Mis on Cronbachi alfa ja kuidas seda määratletakse?

Marco Antonio Villanueva Bustamante
PhD psühholoogias

Cronbachi alfa on kõige laialdasemalt kasutatav koefitsient mõõteskaala sisemise järjepidevuse hindamiseks.

Kaalu ehitamise ja kasutamise üks põhielemente on töökindlus, seda defineeritakse kui stabiilsust mõõtevahend, kui seda rakendatakse tingimuste olemasolul mitu korda Sarnased. Teisisõnu, usaldusväärsus näitab, kui täpne on mõõteriist, hinnates huvipakkuvat konstruktsiooni rohkem kui ühel korral. Usaldusväärsuse hindamiseks saab kasutada mitut tehnikat, näiteks test-retest koefitsient mis määrab korrelatsiooni kahel erineval korral rakendatud mõõtevahendi reaktsiooni vahel; paralleelvormide koefitsient, arvutatakse kasutades instrumenti, millel on kaks erinevat versiooni; lõpuks, sisemise järjepidevuse koefitsient mis ei nõua rohkem kui ühte mõõtmist, saab seda koefitsienti arvutada erinevate meetoditega, kuid kõige levinum on Cronbachi alfa.

Cronbachi alfa pakkus välja Lee J. Cronbach 1951. aastal, kui meede Kuderi väljatöötatud koefitsientide KR-20 ja KR-21 piiramise vastu. ja Richardson, mida saab rakendada ainult skaaladele, millel on vastusevalikud dihhotoomne

Cronbachi alfa (α) arvutamiseks kasutatakse järgmist valemit:

kus k on katseüksuste arv; S_Yo² on üksuste dispersioon ja S_summa² on skaala summaarne dispersioon. Teisisõnu, alfa saadakse, arvutades skaala iga üksuse korrelatsiooni kõigi teiste üksustega, siis on see keskmistage need korrelatsioonid ja tulemuseks oleks alfa väärtus, tasub mainida, et neid korrelatsioone hinnatakse korrelatsioonikordaja abil pearson. Seetõttu on usaldusväärsus alfa kaudu seotud skaala pikkuse ja selle üksuste vahelise kovariatsiooni (korrelatsiooni) tasemega. Cronbachi alfa väärtus võib olla vahemikus 0 kuni 1, mida lähemal 1-le, seda parem sisemise järjepidevuse indeks; selles mõttes on alfa minimaalne vastuvõetav väärtus 0,70 ja väärtused, mis on suuremad kui 0,90, viitavad üksuste liiasusele.

Cronbachi alfa on muutunud kõige laialdasemalt kasutatavaks meetodiks skaala sisemise järjepidevuse hindamiseks. eeliseid teiste meetodite ees, aga ka seetõttu, et enamik statistikapakette ja programme suudab seda hinnata väärt. Cronbachi alfa kasutamine pole aga ilma kriitikuteta, millest enamik tuleneb selle eelduste rikkumisest.

Cronbachi alfa eeldused

1. Tau ekvivalentsus, see viitab asjaolule, et kõik skaala elemendid mõõdavad sama tunnust või sama varjatud tegurit sarnase täpsusega.
2. Vigu ei tohi korreleerida, kuna eeldatakse, et need on sõltumatud.
3. Üksuste ühemõõtmelisus, see tähendab, et skaala elemendid peavad mõõtma ühte varjatud tunnust.
4. Operatsioonilise muutuja mõõtmistase peab olema pidev.

Nende eelduste mittejärgimine võib põhjustada Cronbachi alfa väärtuste eksliku hinnangu. Arvestades sotsiaal- ja terviseteaduste andmete olemust, on aga tavaline, et neljandat eeldust ei täideta; see tähendab, et andmed kipuvad olema järgulised. Alfa-koefitsiendi rakendamine järgandmetele, eriti kui vastusevariante on vähem kui 5, võib põhjustada väärtuste alahindamise. Sel põhjusel on Cronbachi alfa jaoks tekkinud alternatiivid.

Tavaline alfa

Sisemise järjepidevuse hindamine järgu alfa abil järgib sama loogikat nagu Cronbachi alfa puhul, erinevus on see, et Pearsoni korrelatsioonimaatriksi asemel kasutab järguline alfa polükoorilist korrelatsioonimaatriksit või tetrakooriline. Sarnaselt, erinevalt Cronbachi alfast, mis on tundlik andmete kalduvuse suhtes, on järguline alfa erapooletu hinnang.

McDonaldsi Omega

Arvestades üksuste vahelise samaväärsuse eelduse rikkumist, on McDonald omega sisemise järjepidevuse hindamise meetod, mis on muutunud üha olulisemaks. Selle koefitsiendi eeliste hulgas on see, et erinevalt alfast töötab oomega koormustega iga üksuse tegureid ja see ei sõltu skaala üksuste arvust, nagu on näha järgnevast valem.

kus λ on laadimistegur ja λ_i on laadimistegur, standardiseeritud. Sarnaselt Cronbachi alfaga tähistavad oomega väärtused 0,70 ja 0,90 vahel piisavaid väärtusi.

Vaatamata McDonaldsi järgu alfa ja oomega kasutamise eelistele on selle rakendamine teadusuuringutes endiselt napp, Põhjuseks võib olla see, et enamikul statistikatarkvaradel ja -pakettidel pole veel seda võimalust austa neid.