Was ist Cronbachs Alpha und wie ist es definiert?

Marco Antonio Villanueva Bustamante
Promotion in Psychologie

Cronbachs Alpha ist der am häufigsten verwendete Koeffizient zur Schätzung der internen Konsistenz einer Messskala.

Eines der grundlegenden Elemente beim Bau und Gebrauch einer Waage ist die Zuverlässigkeit, die als Stabilität definiert wird von einem Messinstrument dargestellt, wenn es mehrfach angewendet wird, während Bedingungen vorhanden sind Ähnlich. Mit anderen Worten, die Zuverlässigkeit gibt an, wie genau ein Messinstrument ist, indem das interessierende Konstrukt mehr als einmal bewertet wird. Um die Zuverlässigkeit zu beurteilen, können mehrere Techniken verwendet werden, wie z Test-Retest-Koeffizient die die Korrelation zwischen der Reaktion eines Messgeräts herstellt, das bei zwei verschiedenen Gelegenheiten angewendet wird; der Koeffizient paralleler Formen, wird durch Anwendung eines Instruments berechnet, das zwei verschiedene Versionen hat; Endlich, der Koeffizient der inneren Konsistenz die nicht mehr als eine Messung erfordert, kann dieser Koeffizient mit verschiedenen Methoden berechnet werden, aber Cronbachs Alpha ist am gebräuchlichsten.

Cronbachs Alpha wird von Lee J. Cronbach 1951 als Maßnahme gegen die von Kuder entwickelte Begrenzung des KR-20- und KR-21-Koeffizienten und Richardson, die nur auf Skalen angewendet werden können, die Antwortoptionen haben dichotom

Zur Berechnung von Cronbachs Alpha (α) wird die folgende Formel verwendet:

Wobei k die Anzahl der Testelemente ist; S_Yo² ist die Varianz der Items und S_Summe² ist die Gesamtvarianz der Skala. Mit anderen Worten, Alpha wird erhalten, indem die Korrelation jedes Elements auf der Skala mit jedem der anderen Elemente berechnet wird, dann ist es Wenn man diese Korrelationen mittelt und das Ergebnis der Wert von Alpha wäre, ist es erwähnenswert, dass diese Korrelationen mit Hilfe des Korrelationskoeffizienten von geschätzt werden Pearson. Daher hängt die Zuverlässigkeit durch Alpha mit der Länge der Skala und dem Grad der Kovarianz (Korrelation) zwischen ihren Elementen zusammen. Der Alpha-Wert von Cronbach kann zwischen 0 und 1 liegen, je näher an 1, desto besser der interne Konsistenzindex; In diesem Sinne beträgt der akzeptable Mindestwert von Alpha 0,70, und Werte über 0,90 würden auf eine Redundanz in den Elementen hinweisen.

Cronbachs Alpha ist aufgrund seiner Eigenschaften zur am weitesten verbreiteten Methode zur Schätzung der internen Konsistenz einer Skala geworden Vorteile gegenüber anderen Methoden, sondern auch, weil die meisten Statistikpakete und -programme dies schätzen können Wert. Die Verwendung von Cronbachs Alpha ist jedoch nicht ohne Kritik, von denen die meisten auf die Verletzung seiner Annahmen zurückzuführen sind.

Annahmen von Cronbachs Alpha

1. Tau-Äquivalenz, dies bezieht sich auf die Tatsache, dass alle Items einer Skala dasselbe Merkmal oder denselben latenten Faktor mit ähnlicher Genauigkeit messen.
2. Die Fehler dürfen nicht korreliert werden, da angenommen wird, dass sie unabhängig sind.
3. Eindimensionalität der Items, d. h. die Items einer Skala müssen ein einzelnes latentes Merkmal messen.
4. Das Messniveau der operationalisierten Größe muss kontinuierlich sein.

Die Nichteinhaltung einer dieser Annahmen kann zu einer fehlerhaften Schätzung der Alpha-Werte von Cronbach führen. Angesichts der Art der Daten in den Sozial- und Gesundheitswissenschaften ist es jedoch üblich, die vierte Annahme nicht zu erfüllen; das heißt, die Daten sind in der Regel ordinal. Die Anwendung des Alpha-Koeffizienten auf ordinale Daten, insbesondere wenn es weniger als 5 Antwortmöglichkeiten gibt, kann zu einer Unterschätzung der Werte führen. Aus diesem Grund haben sich für Cronbachs Alpha Alternativen herausgebildet.

Das ordinale Alpha

Die Schätzung der internen Konsistenz mit dem ordinalen Alpha folgt der gleichen Logik wie Cronbachs Alpha, mit dem Unterschied, dass anstelle der Pearson-Korrelationsmatrix das ordinale Alpha die polychorische Korrelationsmatrix oder verwendet tetrachorisch. Anders als Cronbachs Alpha, das empfindlich auf Datenschiefe reagiert, ist ordinales Alpha eine unvoreingenommene Schätzung.

McDonald's Omega

Angesichts des Bruchs der Äquivalenzannahme zwischen den Items gewinnt mit dem McDonald Omega eine Methode zur Schätzung der internen Konsistenz an Relevanz. Zu den Vorteilen dieses Koeffizienten gehört, dass Omega im Gegensatz zu Alpha mit Lasten arbeitet Faktoren jedes Items und hängt nicht von der Anzahl der Items auf der Skala ab, wie im Folgenden zu sehen ist Formel.

wobei λ der Belastungsfaktor und λ_i der Belastungsfaktor ist, standardisiert. Ähnlich wie bei Cronbachs Alpha stellen Omega-Werte zwischen .70 und .90 adäquate Werte dar.

Trotz der Vorteile, die die Verwendung von McDonald's ordinalem Alpha und Omega bietet, ist ihre Anwendung in der Forschung noch immer rar, Dies kann daran liegen, dass die meisten Statistikprogramme und -pakete noch keine Option dazu haben schätze sie.