Abstract
Extreme heat is a growing health threat in hot cities, and much of the exposure occurs inside the home. This instrumental, cross-sectional and exploratory study examined the preliminary psychometric properties of a fifteen-item scale with three dimensions: perceived heat in the dwelling, heat-related discomfort and actions against heat. The preliminary cut of the pilot survey of project FZ-HAB-0025 of the Factoriza UAS platform was analyzed, with 31 residents aged 18 or older of Culiacán, Sinaloa, Mexico, out of a target of 100. Descriptive statistics, Cronbach's alpha, McDonald's omega, exploratory factor analysis with parallel analysis and Spearman correlations between dimensions were computed. Heat-related discomfort showed acceptable internal consistency (α = .733; ω = .811), perceived heat showed low consistency (α = .495; ω = .632) and actions against heat very low consistency (α = .191). Sampling adequacy was .622, and parallel analysis suggested two factors that explained 40.22% of the variance and did not reproduce the intended dimensions. Correlations between dimensions were weak or null. Respondents reported high discomfort and widespread use of fans or air conditioning, with a lower ability to pay for cooling. The results are provisional and guide the revision of the instrument, particularly the reverse-worded items and the actions dimension, which behaves as a set of behaviors and resources rather than a homogeneous scale.
Keywords
heat stress, housing habitability, thermal discomfort, psychometric evidence
RESULTADOS
Composición de la muestra
La Tabla 2 resume el flujo de casos. De las 62 personas que abrieron el cuestionario, 31 lo completaron y fueron analizadas, sin exclusiones por control de calidad. Los 31 casos analizados respondieron los quince reactivos.
Tabla 2. Composición de la muestra.
Indicador | Valor |
|---|---|
Personas que abrieron el cuestionario | 62 |
Cuestionarios completados | 31 |
Casos excluidos por control de calidad | 0 |
Casos analizados | 31 |
Reactivos | 15 |
Nota. Levantamiento «Piloto Culiacán · Estrés térmico en la vivienda» (LEV-0030); población: personas de 18 años o más que habitan una vivienda en Culiacán; territorio: Culiacán, Sinaloa, en colonias seleccionadas por el responsable del proyecto. Conjunto DST-0029, huella d0d4a2a87dd45036. Fuente: Factoriza UAS. Corte preliminar: n = 31 de una meta de 100, con el levantamiento abierto.
Calor percibido, malestar y acciones frente al calor
La Tabla 3 y la Figura 1 presentan los estadísticos descriptivos. En Calor percibido en la vivienda, la sensación de que la vivienda se siente muy caliente durante el día en verano obtuvo la media más alta (R1: M = 4.00, DE = 0.97), seguida del calentamiento de las recámaras por la tarde (R5: M = 3.90, DE = 1.11). La retención del calor después de la puesta del sol (R3: M = 3.45, DE = 0.93) y el reactivo inverso sobre la frescura de la vivienda, en su versión recodificada (R4: M = 3.45, DE = 1.06), compartieron la misma media, y el calor nocturno que impide dormir obtuvo la media más baja de la dimensión y la mayor dispersión (R2: M = 3.16, DE = 1.42).
En Malestar por calor, la irritabilidad (R7: M = 4.35, DE = 0.95) y el agotamiento al final del día (R10: M = 4.35, DE = 0.91) compartieron la media más alta de la dimensión, seguidos de la dificultad para concentrarse (R8: M = 4.26, DE = 0.93) y de la falta de energía en los días de calor extremo (R6: M = 4.13, DE = 0.99); el reactivo inverso sobre el ánimo, en su versión recodificada, obtuvo una media menor y la mayor dispersión de la dimensión (R9: M = 3.52, DE = 1.26). En Acciones frente al calor, el uso de ventilador o aire acondicionado obtuvo la media más alta de todo el instrumento (R11: M = 4.55, DE = 0.99), con una asimetría de -2.42 y una curtosis de 5.56, seguida de evitar salir en las horas de más calor (R13: M = 4.26, DE = 1.00). Cerrar las cortinas obtuvo una media de 3.52 con la mayor dispersión del instrumento (R12: DE = 1.50); la disponibilidad de maneras de refrescarse, en la versión recodificada del reactivo inverso, obtuvo una media de 3.29 (R15: DE = 1.35), y la capacidad de pagar el costo de enfriar la vivienda obtuvo, junto con R2, la media más baja del instrumento (R14: M = 3.16, DE = 1.27).
Tabla 3. Estadísticos descriptivos de los reactivos.
Reactivo | M | DE | Asimetría | Curtosis | Piso | Techo |
|---|---|---|---|---|---|---|
R1 | 4.00 | 0.97 | -1.19 | 1.91 | 3% | 32% |
R2 | 3.16 | 1.42 | -0.15 | -1.27 | 16% | 23% |
R3 | 3.45 | 0.93 | -0.25 | 0.54 | 3% | 13% |
R4 | 3.45 | 1.06 | -0.67 | 0.23 | 6% | 13% |
R5 | 3.90 | 1.11 | -1.06 | 0.46 | 3% | 32% |
R6 | 4.13 | 0.99 | -1.15 | 1.54 | 3% | 45% |
R7 | 4.35 | 0.95 | -1.79 | 3.83 | 3% | 58% |
R8 | 4.26 | 0.93 | -1.62 | 3.61 | 3% | 48% |
R9 | 3.52 | 1.26 | -0.68 | -0.10 | 13% | 26% |
R10 | 4.35 | 0.91 | -1.91 | 4.81 | 3% | 55% |
R11 | 4.55 | 0.99 | -2.42 | 5.56 | 3% | 77% |
R12 | 3.52 | 1.50 | -0.60 | -1.12 | 16% | 35% |
R13 | 4.26 | 1.00 | -0.99 | -0.36 | 6% | 58% |
R14 | 3.16 | 1.27 | -0.01 | -0.96 | 10% | 19% |
R15 | 3.29 | 1.35 | -0.40 | -1.09 | 13% | 19% |
Nota. N = 31. Piso y techo indican el porcentaje de respuestas en el valor mínimo y máximo. Se omite la columna de correlación ítem-total de la tabla descriptiva de Factoriza, cuyos valores no coinciden con los de la Tabla 4 porque no se calculan sobre el total de cada dimensión. Ejecución RUN-00161 de Factoriza UAS. Corte preliminar: n = 31 de una meta de 100, con el levantamiento abierto.
Nota. N = 31. Escala de 1 a 5; los reactivos inversos R4, R9 y R15 se muestran recodificados. Ejecución RUN-00161 de Factoriza UAS. Corte preliminar: n = 31 de una meta de 100, con el levantamiento abierto.
Consistencia interna
La Tabla 4 reúne el análisis de reactivos por dimensión calculado por Factoriza, y la Tabla 5 presenta los coeficientes del programa complementario, cuyos valores de alfa coinciden con los de Factoriza. Malestar por calor obtuvo la consistencia interna más alta (α = .733; ω = .811). El agotamiento al final del día (R10: .743), la dificultad para concentrarse (R8: .700) y la falta de energía (R6: .646) fueron los reactivos más coherentes, mientras que el reactivo inverso sobre el ánimo prácticamente no se relacionó con el resto (R9: .104), y su eliminación elevaría el alfa a .859.
Calor percibido en la vivienda obtuvo una consistencia interna baja según el alfa (α = .495) y algo mayor según el omega (ω = .632). Solo el calor diurno (R1: .523) y la retención del calor (R3: .522) alcanzaron una relación moderada con la dimensión; el calor de las recámaras tuvo una relación débil (R5: .269), y el calor nocturno que impide dormir y el reactivo inverso sobre la frescura apenas se relacionaron con ella (R2 y R4: .095). La eliminación de R2 elevaría el alfa a .591. Acciones frente al calor obtuvo un alfa de .191. El uso de ventilador o aire acondicionado (R11: .334) y la capacidad de pagar el enfriamiento (R14: .324) tuvieron relaciones débiles con la dimensión, evitar salir una relación aún menor (R13: .173), y cerrar las cortinas (R12: -.142) y la disponibilidad de maneras de refrescarse (R15: -.074) se relacionaron en negativo, de modo que el programa no informó el omega de esta dimensión.
Tabla 4. Análisis de reactivos por dimensión.
Dimensión | Reactivo | r ítem-total corregida | α si se elimina el elemento |
|---|---|---|---|
Calor | R1 | .523 | .286 |
Calor | R2 | .095 | .591 |
Calor | R3 | .522 | .296 |
Calor | R4 | .095 | .542 |
Calor | R5 | .269 | .439 |
Malestar | R6 | .646 | .627 |
Malestar | R7 | .485 | .690 |
Malestar | R8 | .700 | .612 |
Malestar | R9 | .104 | .859 |
Malestar | R10 | .743 | .597 |
Acciones | R11 | .334 | -.062 |
Acciones | R12 | -.142 | .432 |
Acciones | R13 | .173 | .086 |
Acciones | R14 | .324 | -.132 |
Acciones | R15 | -.074 | .332 |
Nota. N = 31. Calor = Calor percibido en la vivienda; Malestar = Malestar por calor; Acciones = Acciones frente al calor. La correlación ítem-total corregida excluye al propio reactivo del total de su dimensión. α de Cronbach de la dimensión completa, con 5 reactivos cada una: Calor = .495 (ejecución RUN-00162); Malestar = .733 (RUN-00164); Acciones = .191 (RUN-00166). Fuente: Factoriza UAS, Tablas 4, 6 y 8 del paquete, reunidas sin modificar valores. Corte preliminar: n = 31 de una meta de 100, con el levantamiento abierto.
Tabla 5. Consistencia interna por dimensión.
Dimensión | Reactivos | n | α | ω |
|---|---|---|---|---|
Calor | 5 | 31 | .495 | .632 |
Malestar | 5 | 31 | .733 | .811 |
Acciones | 5 | 31 | .191 | n/d |
Nota. α = alfa de Cronbach; ω = omega total de McDonald a partir de un modelo de un factor por residuo mínimo, sin invertir reactivos. Casos completos por dimensión. Calor = Calor percibido en la vivienda; Malestar = Malestar por calor; Acciones = Acciones frente al calor. En Acciones, el programa no informa el ω porque R12 y R15 se correlacionan en negativo con el resto de la dimensión, observación que se traslada a esta nota desde la columna correspondiente. Fuente: elaboración propia con analisis_psicometrico.py 1.0 (Python 3.13.16), conjunto DST-0029_FZ_HAB_0025. Corte preliminar: n = 31 de una meta de 100, con el levantamiento abierto.
Las correlaciones entre los reactivos de cada dimensión, calculadas por Factoriza, ayudan a interpretar estos resultados. En Calor, el calor diurno se relacionó estrechamente con la retención del calor (R1 y R3: r = .746, IC 95 % [.532, .870], p < .001), y la retención del calor se relacionó con el calor de las recámaras (R3 y R5: r = .402, IC 95 % [.056, .662], p = .025); ninguna correlación de R2 ni de R4 tuvo un intervalo que excluyera el cero. En Malestar, la correlación más alta fue la de la dificultad para concentrarse con el agotamiento (R8 y R10: r = .829, IC 95 % [.673, .915], p < .001), y ninguna correlación de R9 tuvo un intervalo que excluyera el cero. En Acciones, el uso de ventilador o aire acondicionado se relacionó con evitar salir en las horas de más calor (R11 y R13: r = .423, IC 95 % [.081, .676], p = .018), y cerrar las cortinas se relacionó en negativo con la disponibilidad de maneras de refrescarse (R12 y R15: r = -.373, IC 95 % [-.642, -.022], p = .039).
Estructura interna
La medida de adecuación muestral global fue de .622, cercana a la referencia de .60 que suele citarse como orientación (Ferrando et al., 2022; Lorenzo-Seva y Ferrando, 2021), y la prueba de esfericidad de Bartlett rechazó la hipótesis de una matriz identidad, χ²(105) = 209.57, p < .001. Tres reactivos tuvieron una adecuación individual baja: el calor nocturno (R2: .364), la frescura de la vivienda (R4: .393) y cerrar las cortinas (R12: .356). El análisis paralelo sugirió retener dos factores (Figura 2), que explicaron en conjunto el 40.22 % de la varianza, el 24.70 % el primero y el 15.53 % el segundo (Tabla 6). La correlación entre los factores fue de .309.
Tabla 6. Varianza explicada por los factores.
Factor | Suma de cargas al cuadrado | % de varianza | % acumulado |
|---|---|---|---|
1 | 3.70 | 24.70 | 24.70 |
2 | 2.33 | 15.53 | 40.22 |
Nota. KMO = .622; prueba de esfericidad de Bartlett: χ²(105) = 209.57, p < .001. Número de factores por análisis paralelo: 2. Fuente: elaboración propia con analisis_psicometrico.py 1.0 (Python 3.13.16), conjunto DST-0029_FZ_HAB_0025. Corte preliminar: n = 31 de una meta de 100, con el levantamiento abierto.
Nota. Valores propios de la matriz reducida de los datos frente a la media de 100 matrices simuladas del mismo tamaño (semilla 2026). Fuente: elaboración propia con analisis_psicometrico.py 1.0 (Python 3.13.16), conjunto DST-0029_FZ_HAB_0025. Corte preliminar: n = 31 de una meta de 100, con el levantamiento abierto.
La Tabla 7 presenta las cargas factoriales. La solución no reprodujo las tres dimensiones previstas. El primer factor reunió los cuatro reactivos directos de Malestar, con cargas de .885 (R10), .809 (R8), .784 (R6) y .489 (R7), junto con el uso de ventilador o aire acondicionado (R11: .729) y evitar salir en las horas de más calor (R13: .453). El segundo factor reunió la retención del calor (R3: .847) y el calor diurno (R1: .519), este último con una carga cruzada de .399 en el primer factor, junto con cerrar las cortinas (R12: .513), la capacidad de pagar el enfriamiento (R14: .426) y el calor de las recámaras (R5: .303); en este factor cargaron en negativo el reactivo recodificado sobre el ánimo (R9: -.623) y el de las maneras de refrescarse (R15: -.492). El calor nocturno (R2) tuvo su carga más alta en el primer factor (.310), y la frescura de la vivienda (R4) no alcanzó una carga de .30 en ningún factor.
Tabla 7. Cargas factoriales del análisis factorial exploratorio.
Factor | Factor | |||
|---|---|---|---|---|
Reactivo | 1 | 2 | h² | MSA |
R1 | .399 | .519 | .556 | .629 |
R2 | .310 | -.004 | .096 | .364 |
R3 | .228 | .847 | .889 | .652 |
R4 | .208 | -.261 | .078 | .393 |
R5 | .126 | .303 | .132 | .625 |
R6 | .784 | -.031 | .601 | .592 |
R7 | .489 | .085 | .272 | .655 |
R8 | .809 | .207 | .800 | .717 |
R9 | .308 | -.623 | .364 | .558 |
R10 | .885 | .014 | .790 | .770 |
R11 | .729 | -.148 | .487 | .688 |
R12 | -.288 | .513 | .255 | .356 |
R13 | .453 | .066 | .227 | .768 |
R14 | .160 | .426 | .249 | .580 |
R15 | .282 | -.492 | .236 | .506 |
Nota. Matriz de patrón. Extracción por residuo mínimo y rotación oblimin (γ = 0) sobre la matriz de correlaciones de Pearson; 31 casos completos. h² = comunalidad; MSA = medida de adecuación muestral por reactivo. Se muestran todas las cargas. Fuente: elaboración propia con analisis_psicometrico.py 1.0 (Python 3.13.16), conjunto DST-0029_FZ_HAB_0025. R1 a R5 corresponden a Calor percibido en la vivienda; R6 a R10, a Malestar por calor, y R11 a R15, a Acciones frente al calor. Se omiten las columnas de dimensión y de observaciones; el programa señaló carga cruzada en R1 y R9, signo contrario en R4, R9 y R15, carga insuficiente en R4 y MSA bajo en R2, R4 y R12. Corte preliminar: n = 31 de una meta de 100, con el levantamiento abierto.
Relación entre las dimensiones
La Tabla 8 presenta las correlaciones de Spearman entre las puntuaciones medias de las tres dimensiones. Ninguna de las tres tuvo un intervalo que excluyera el cero. La relación de Calor con Malestar fue prácticamente nula, ρ = .056, IC 95 % [-.304, .403], p = .763; la de Calor con Acciones, ρ = .226, IC 95 % [-.144, .541], p = .221, y la de Malestar con Acciones, ρ = .170, IC 95 % [-.198, .497], p = .359, fueron débiles.
Tabla 8. Correlaciones entre dimensiones.
Par de dimensiones | n | ρ | IC 95 % | p |
|---|---|---|---|---|
Calor y Malestar | 31 | .056 | [-.304, .403] | .763 |
Calor y Acciones | 31 | .226 | [-.144, .541] | .221 |
Malestar y Acciones | 31 | .170 | [-.198, .497] | .359 |
Nota. ρ de Spearman entre las puntuaciones medias de cada dimensión (casos con todos los reactivos de ambas). Calor = Calor percibido en la vivienda; Malestar = Malestar por calor; Acciones = Acciones frente al calor. Intervalo por transformación de Fisher con el error estándar de Bonett y Wright. Diseño transversal: asociaciones, no efectos. Fuente: elaboración propia con analisis_psicometrico.py 1.0 (Python 3.13.16), conjunto DST-0029_FZ_HAB_0025. Corte preliminar: n = 31 de una meta de 100, con el levantamiento abierto.
Discusión de resultados
El propósito de este estudio fue examinar las propiedades psicométricas preliminares de una escala de estrés térmico percibido en las viviendas de Culiacán. Los resultados muestran un instrumento con una dimensión coherente, Malestar por calor, y dos dimensiones que requieren revisión. Con 31 casos, estos resultados son provisionales: la literatura de simulación sobre el alfa y el omega se ha desarrollado con muestras muy superiores (Malkewitz et al., 2023), y el análisis factorial con dos casos por reactivo debe repetirse con el corte final (Ferrando et al., 2022; Goretzko et al., 2021).
Malestar por calor mostró una consistencia interna aceptable y reactivos con relaciones altas entre sí, en particular el agotamiento, la dificultad para concentrarse y la falta de energía. Las medias de estos reactivos, todas superiores a 4, describen un malestar extendido entre las personas encuestadas, coherente con la evidencia que asocia el calor extremo con el estado de ánimo y la conducta (Li et al., 2023; Moraes et al., 2026). El reactivo inverso sobre el ánimo fue la excepción: no se relacionó con los demás y, en el análisis factorial, cargó en negativo en el segundo factor. Este patrón es compatible con un artefacto asociado a la redacción inversa (García-Batista et al., 2021; Steinmann et al., 2022), pero también con el hecho de que conservar el ánimo en temporada de calor no es simplemente el opuesto del agotamiento o la irritabilidad.
Calor percibido en la vivienda mostró una consistencia baja, con un núcleo formado por el calor diurno y la retención del calor, y dos reactivos que apenas se relacionaron con él. El calor nocturno que impide dormir describe una consecuencia del calor sobre el descanso más que una propiedad térmica de la vivienda, y en el análisis factorial se acercó al malestar más que al calor percibido. La frescura de la vivienda, en su versión recodificada, tuvo una adecuación muestral baja y no cargó en ningún factor, lo que, de nuevo, puede deberse a la redacción inversa. Estas observaciones sugieren separar con mayor claridad los atributos térmicos de la vivienda de sus consecuencias sobre el sueño y el bienestar.
Acciones frente al calor obtuvo el alfa más bajo del instrumento, y sus reactivos se dispersaron entre los dos factores. Este resultado no indica necesariamente que los reactivos sean defectuosos, sino que la dimensión reúne contenidos de naturaleza distinta: conductas de adaptación, como cerrar las cortinas o evitar salir, y recursos del hogar, como el aire acondicionado, la capacidad de pagar el enfriamiento y la disponibilidad de maneras de refrescarse. La correlación negativa entre cerrar las cortinas y disponer de maneras de refrescarse es coherente con la observación de que las personas con menos recursos recurren sobre todo a medidas de bajo costo (van de Kamp et al., 2026): las acciones pueden sustituirse entre sí, y por ello no tienen por qué covariar como lo harían los indicadores de un mismo rasgo. En términos de medición, se trata de indicadores con un comportamiento más cercano al formativo que al reflectivo, para los cuales la consistencia interna no es el criterio adecuado (Bollen y Diamantopoulos, 2017).
La ausencia de relación entre el calor percibido y el malestar es el resultado más llamativo del corte. En Hermosillo, el ambiente térmico de la vivienda se relacionó negativamente con el bienestar psicológico en el verano (Espinoza Gallego et al., 2014), y cabría esperar aquí una relación positiva entre el calor percibido y el malestar. Varias explicaciones son compatibles con el resultado: la baja consistencia de la dimensión de calor, que reduce cualquier correlación con ella; la concentración de las respuestas de malestar en los valores altos, que limita su variabilidad; el uso generalizado de ventilador o aire acondicionado, que podría atenuar la relación entre el calor de la vivienda y el malestar de sus ocupantes, y el tamaño del corte. El diseño transversal no permite distinguir entre estas explicaciones, y el análisis con el corte final, con información sobre el equipamiento de las viviendas, será necesario para examinarlas.
Por último, el uso de ventilador o aire acondicionado obtuvo la media más alta del instrumento, mientras que la capacidad de pagar el enfriamiento obtuvo una de las más bajas. Esta combinación es coherente con la preocupación por la pobreza energética en los climas cálidos de México (Galindo-Borbón et al., 2024; Treviño Hernández y Hernández Rejón, 2026), y sugiere que el costo de enfriar la vivienda merece medirse como una dimensión propia, junto con las características físicas de la vivienda que la literatura regional asocia con su comportamiento térmico (Barraza-Bracamontes et al., 2022; Galindo-Borbón et al., 2024).
CONCLUSIONES
El estudio cumplió su objetivo en el alcance que permite un corte preliminar de 31 casos. La escala de estrés térmico percibido en la vivienda mostró, en el levantamiento piloto de Culiacán, una consistencia interna aceptable en Malestar por calor (α = .733; ω = .811), baja en Calor percibido en la vivienda (α = .495; ω = .632) y muy baja en Acciones frente al calor (α = .191). El análisis paralelo sugirió dos factores, que no reprodujeron las tres dimensiones previstas, y las correlaciones entre las dimensiones fueron débiles o nulas. Las personas encuestadas informaron un malestar elevado por el calor y un uso extendido de ventilador o aire acondicionado, y una menor capacidad para pagar el costo de enfriar su vivienda.
Las limitaciones son sustanciales. La muestra de 31 casos, frente a la meta de 100 y con el levantamiento abierto, ofrece 2.1 casos por reactivo y produce estimaciones inestables. Las personas encuestadas respondieron en colonias seleccionadas por el responsable del proyecto, por lo que los resultados no se generalizan a la población de Culiacán. El estudio no midió las características de las personas encuestadas ni de sus viviendas, ni la temperatura interior, de modo que no es posible relacionar el calor percibido con las condiciones físicas de la vivienda. El periodo de aplicación no consta, y su relación con la temporada de calor puede afectar las respuestas. El diseño transversal no permite establecer la dirección de las relaciones. No se ejecutó análisis factorial confirmatorio.
De estos resultados se desprenden decisiones para las autoras y los autores. La primera es revisar los reactivos inversos R4, R9 y R15, que mostraron problemas en las tres dimensiones. La segunda es reconsiderar la dimensión de Calor percibido, separando los atributos térmicos de la vivienda de sus consecuencias sobre el sueño. La tercera es decidir si Acciones frente al calor se conserva como escala reflectiva o se trata como un índice de conductas y recursos, y si la capacidad de pagar el enfriamiento se mide como una dimensión propia. Ninguna de estas decisiones se tomó en el presente análisis, que conserva los quince reactivos.
Como líneas futuras, se propone completar el levantamiento hasta la meta prevista, registrar el periodo de aplicación y las características de las viviendas, incluida la disponibilidad de aire acondicionado; repetir el análisis factorial exploratorio con el corte final; confirmar la estructura en una muestra independiente mediante análisis factorial confirmatorio, y, una vez establecidas las evidencias de validez, retomar la comparación entre ciudades del noroeste que el proyecto planteó originalmente, con levantamientos independientes en cada una. Una escala con esas evidencias permitiría incorporar la experiencia del calor al estudio de la habitabilidad en las ciudades cálidas de México.
References
- 1 Barraza-Bracamontes, C., Íñiguez-Ayón, Y. P., Íñiguez-Sepúlveda, C. D., y Bojórquez-Morales, G. (2022). Habitabilidad de la vivienda social. Caso: Fraccionamiento Urbi Villa del Cedro, Culiacán, Sinaloa. Revista de Ciencias Tecnológicas, 5(4), 387–406. https://doi.org/10.37636/recit.v54387406
- 2 Bollen, K. A., y Diamantopoulos, A. (2017). In defense of causal-formative indicators: A minority report. Psychological Methods, 22(3), 581–596. https://doi.org/10.1037/met0000056
- 3 Bonett, D. G., y Wright, T. A. (2000). Sample size requirements for estimating Pearson, Kendall and Spearman correlations. Psychometrika, 65(1), 23–28. https://doi.org/10.1007/BF02294183
- 4 Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555
- 5 Espinoza Gallego, N. B., González Lomelí, D., Ochoa de la Torre, J. M., y Corral Verdugo, V. (2014). Ambiente térmico y bienestar psicológico en viviendas de interés social en clima cálido seco. Psicumex, 4(2), 4–23. https://doi.org/10.36793/psicumex.v4i2.273
- 6 Ferrando, P. J., Lorenzo-Seva, U., Hernández-Dorado, A., y Muñiz, J. (2022). Decalogue for the factor analysis of test items. Psicothema, 34(1), 7–17. https://doi.org/10.7334/psicothema2021.456
- 7 Galindo-Borbón, C., Borbón-Almada, A., Ochoa-de-la-Torre, J. M., y Marincic-Lovriha, I. (2024). Análisis costo-beneficio de estrategias para eficiencia energética en vivienda, aplicando la normatividad vigente en el Noroeste de México. Revista Hábitat Sustentable, 14(2), 32–47. https://doi.org/10.22320/07190700.2024.14.02.03
- 8 García-Batista, Z. E., Guerra-Peña, K., Garrido, L. E., Cantisano-Guzmán, L. M., Moretti, L., Cano-Vindel, A., Arias, V. B., y Medrano, L. A. (2021). Using constrained factor mixture analysis to validate mixed-worded psychological scales: The case of the Rosenberg Self-Esteem Scale in the Dominican Republic. Frontiers in Psychology, 12, Artículo 636693. https://doi.org/10.3389/fpsyg.2021.636693
- 9 Goretzko, D., Pham, T. T. H., y Bühner, M. (2021). Exploratory factor analysis: Current use, methodological developments and recommendations for good practice. Current Psychology, 40(7), 3510–3521. https://doi.org/10.1007/s12144-019-00300-2
- 10 Harris, C. R., Millman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P., Cournapeau, D., Wieser, E., Taylor, J., Berg, S., Smith, N. J., Kern, R., Picus, M., Hoyer, S., van Kerkwijk, M. H., Brett, M., Haldane, A., Fernández del Río, J., Wiebe, M., Peterson, P., . . . Oliphant, T. E. (2020). Array programming with NumPy. Nature, 585(7825), 357–362. https://doi.org/10.1038/s41586-020-2649-2
- 11 Hernández Ilizaliturri, A. A., Graciano Casas, L., y Haces Atondo, G. (2025). La efectividad de la política de vivienda social en México. Ciencias Administrativas Teoría y Praxis, 21(1), 62–82. https://doi.org/10.46443/catyp.v21i1.467
- 12 Hsu, C. K., Quistberg, D. A., Sánchez, B. N., Kephart, J. L., Bilal, U., Gouveia, N., Ferrer, C. P., Caiaffa, W. T., de Lima Friche, A. A., Yannone, I., y Rodríguez, D. A. (2025). Individual and city-level variations in heat-related road traffic deaths in Latin America. Nature Cities, 2(9), 897–906. https://doi.org/10.1038/s44284-025-00279-x
- 13 Li, D., Zhang, Y., Li, X., Zhang, K., Lu, Y., y Brown, R. D. (2023). Climatic and meteorological exposure and mental and behavioral health: A systematic review and meta-analysis. Science of the Total Environment, 892, Artículo 164435. https://doi.org/10.1016/j.scitotenv.2023.164435
- 14 Lorenzo-Seva, U., y Ferrando, P. J. (2021). MSA: The forgotten index for identifying inappropriate items before computing exploratory item factor analysis. Methodology, 17(4), 296–306. https://doi.org/10.5964/meth.7185
- 15 Malkewitz, C. P., Schwall, P., Meesters, C., y Hardt, J. (2023). Estimating reliability: A comparison of Cronbach’s α, McDonald’s ωt and the greatest lower bound. Social Sciences & Humanities Open, 7(1), Artículo 100368. https://doi.org/10.1016/j.ssaho.2022.100368
- 16 McDonald, R. P. (2013). Test theory: A unified treatment. Psychology Press. https://doi.org/10.4324/9781410601087 (Obra original publicada en 1999)
- 17 Metzger, A., Baharav, Y., Mitchell, P., Nichols, L., Saunders, B., Arlak, A., Finke, M., Gottemoeller, M., Shickman, K., Baughman McLeod, K., y Wellenius, G. A. (2025). Heat wave beliefs and behaviors in Southern Spain. International Journal of Environmental Research and Public Health, 22(8), Artículo 1196. https://doi.org/10.3390/ijerph22081196
- 18 Moraes, S. L., Rodriguez, D. A., Schinasi, L. H., Kephart, J. L., Dronova, I., Bakhtsiyarava, M., Caiaffa, W. T., Rangel-Moreno, K., Rodriguez-Villamizar, L. A., O’Neill, M., de Lima Friche, A. A., Herrera López, A. B., Alazraqui, M., Magalhães, A. S., Sarmiento, O. L., Sánchez, B. N., y Gouveia, N. (2026). Ambient temperature and homicide mortality in 307 Latin American cities: A case time series design. Environmental Research, 297, Artículo 124083. https://doi.org/10.1016/j.envres.2026.124083
- 19 Python Software Foundation. (2026). Python (Versión 3.13.16) [Software]. https://www.python.org/
- 20 Saleem, S., y Alchalabi, O. (2025). An in-depth analysis of factors impacting housing satisfaction: A systematic review and post-occupancy evaluation. International Journal of Sustainable Development and Planning, 20(1), 119–131. https://doi.org/10.18280/ijsdp.200113
- 21 Steinmann, I., Strietholt, R., y Braeken, J. (2022). A constrained factor mixture analysis model for consistent and inconsistent respondents to mixed-worded scales. Psychological Methods, 27(4), 667–702. https://doi.org/10.1037/met0000392
- 22 Treviño Hernández, R., y Hernández Rejón, E. M. (2026). Análisis documental de la temperatura en las viviendas en México: Implicaciones sociales, energéticas y de salud. Vivienda y Comunidades Sustentables, 10(20), 33–42. https://doi.org/10.32870/rvcs.v0i20.338
- 23 van de Kamp, E., Schneider, F., Daanen, H., y Huynen, M. (2026). Comparing heatwave experiences, behaviors, and risk perceptions across high-risk populations in the Netherlands: A cross-sectional survey study. The Journal of Climate Change and Health, 29, Artículo 100689. https://doi.org/10.1016/j.joclim.2026.100689
- 24 Virtanen, P., Gommers, R., Oliphant, T. E., Haberland, M., Reddy, T., Cournapeau, D., Burovski, E., Peterson, P., Weckesser, W., Bright, J., van der Walt, S. J., Brett, M., Wilson, J., Millman, K. J., Mayorov, N., Nelson, A. R. J., Jones, E., Kern, R., Larson, E., . . . Vázquez-Baeza, Y. (2020). SciPy 1.0: Fundamental algorithms for scientific computing in Python. Nature Methods, 17(3), 261–272. https://doi.org/10.1038/s41592-019-0686-2
Declaraciones
Financiación
Los autores no recibieron financiación para el desarrollo de la presente investigación.
Conflictos de interés
Los autores declaran que no existe conflicto de intereses.
Contribución de autoría
Conceptualización: Daniela Sinaloa Arellano Martínez
Curación de datos: Pedro Antonio Valdez Lizárraga
Análisis formal: Víctor Manuel Martínez García
Investigación: Daniela Sinaloa Arellano Martínez
Metodología: Yennifer Díaz Romero
Software: Pedro Antonio Valdez Lizárraga
Supervisión: Víctor Manuel Martínez García
Validación: Víctor Manuel Martínez García
Visualización: Yennifer Díaz Romero
Redacción – borrador original: Daniela Sinaloa Arellano Martínez
Redacción – revisión y edición: Yennifer Díaz Romero