Hvad er Cronbachs alfa, og hvordan defineres det?

Marco Antonio Villanueva Bustamante
PhD i psykologi

Cronbachs alfa er den mest udbredte koefficient til at estimere den interne konsistens af en måleskala.

Et af de grundlæggende elementer ved opbygning og brug af en skala er pålidelighed, dette defineres som stabiliteten præsenteret af et måleinstrument, når det anvendes ved flere lejligheder, mens forholdene er til stede Lignende. Med andre ord angiver pålidelighed, hvor nøjagtigt et måleinstrument er ved at evaluere konstruktionen af ​​interesse ved mere end én lejlighed. For at vurdere pålideligheden kan flere teknikker bruges, såsom test-gentest koefficient der etablerer sammenhængen mellem responsen af ​​et måleinstrument, der anvendes ved to forskellige lejligheder; koefficienten for parallelle former, beregnes ved at anvende et instrument, der har to forskellige versioner; endelig, koefficienten for intern konsistens som ikke kræver mere end én måling, kan denne koefficient beregnes ved forskellige metoder, men Cronbachs Alpha er den mest almindelige.

Cronbachs alfa er foreslået af Lee J. Cronbach i 1951, som en foranstaltning mod begrænsningen af ​​KR-20 og KR-21 koefficienten udviklet af Kuder og Richardson, som kun kan anvendes på skalaer, der har svarmuligheder dikotomisk

For at beregne Cronbachs alfa (α) bruges følgende formel:

Hvor k er antallet af testelementer; S_Yo² er variansen af ​​varerne og S_sum² er den samlede varians af skalaen. Med andre ord, alfa opnås ved at beregne korrelationen af ​​hvert element på skalaen med hvert af de andre elementer, så er det gennemsnit disse korrelationer, og resultatet ville være værdien af ​​alfa, er det værd at nævne, at disse korrelationer estimeres ved hjælp af korrelationskoefficienten af pearson. Derfor er pålidelighed gennem alfa relateret til længden af ​​skalaen og niveauet af kovarians (korrelation) mellem dens elementer. Cronbachs alfaværdi kan være mellem 0 og 1, jo tættere på 1 repræsenterer det bedre indre konsistensindeks; i denne forstand er den mindst acceptable værdi af alfa 0,70, og værdier større end 0,90 ville indikere redundans i emnerne.

Cronbachs alfa er blevet den mest udbredte metode til at estimere den interne konsistens af en skala på grund af dens fordele i forhold til andre metoder, men også fordi de fleste statistiske pakker og programmer kan estimere dette værdi. Brugen af ​​Cronbachs alfa er dog ikke uden kritikere, hvoraf de fleste stammer fra brud på dets antagelser.

Antagelser af Cronbachs Alpha

1. Tau-ækvivalens, dette refererer til det faktum, at alle elementerne på en skala måler den samme egenskab eller den samme latente faktor med en lignende grad af præcision.
2. Fejlene må ikke korreleres, da det antages, at de er uafhængige.
3. Unidimensionalitet af emnerne, det vil sige, emnerne på en skala skal måle et enkelt latent træk.
4. Måleniveauet for den operationaliserede variabel skal være kontinuerligt.

Manglende overholdelse af nogen af ​​disse antagelser kan forårsage et fejlagtigt estimat i Cronbachs Alpha-værdier. Men i betragtning af karakteren af ​​data inden for social- og sundhedsvidenskab, er det almindeligt ikke at opfylde den fjerde antagelse; det vil sige, at dataene har en tendens til at være ordinale. Anvendelse af alfa-koefficienten på ordinaldata, især når der er mindre end 5 svarmuligheder, kan forårsage en undervurdering af værdierne. Af denne grund er der opstået alternativer til Cronbachs Alpha.

Ordinal Alpha

Estimeringen af ​​intern konsistens ved hjælp af den ordinale alfa følger samme logik som Cronbachs Alpha, med forskel, at i stedet for at bruge Pearson-korrelationsmatricen, bruger ordinal alfa den polykoriske korrelationsmatrix eller tetrakorisk. Tilsvarende, i modsætning til Cronbachs alfa, som er følsom over for dataskævhed, er ordinal alfa et upartisk estimat.

McDonald's Omega

I betragtning af brud på antagelsen om ækvivalens mellem emnerne, er McDonald omega en metode til at estimere intern konsistens, der har fået relevans. Blandt fordelene ved denne koefficient er, at i modsætning til alfa arbejder omega med belastninger faktorer for hvert emne og afhænger ikke af antallet af emner på skalaen, som det kan ses i det følgende formel.

hvor λ er belastningsfaktoren og λ_i er belastningsfaktoren, standardiseret. I lighed med Cronbachs alfa repræsenterer omega-værdier mellem .70 og .90 passende værdier.

På trods af fordelene ved brugen af ​​McDonald's ordinære alfa og omega, er anvendelsen i forskningen stadig knap, Dette kan skyldes, at de fleste statistiske software og pakker endnu ikke har en mulighed for det værdsætte dem.