Mikä on Cronbachin alfa ja miten se määritellään?

Marco Antonio Villanueva Bustamante
Psykologian tohtori

Cronbachin alfa on yleisimmin käytetty kerroin mitta-asteikon sisäisen johdonmukaisuuden arvioinnissa.

Yksi perustavaa laatua olevista elementeistä vaakaa rakennettaessa ja käytettäessä on luotettavuus, tämä määritellään stabiiliudeksi mittauslaitteen esittämä, kun sitä käytetään useita kertoja olosuhteiden vallitessa Samanlainen. Toisin sanoen luotettavuus osoittaa, kuinka tarkka mittauslaite on arvioimalla kiinnostavaa konstruktia useammin kuin kerran. Luotettavuuden arvioimiseksi voidaan käyttää useita tekniikoita, kuten testi-uudelleentestauskerroin joka määrittää korrelaation kahdessa eri tilanteessa käytetyn mittauslaitteen vasteen välillä; rinnakkaisten muotojen kerroin, lasketaan käyttämällä instrumenttia, jolla on kaksi eri versiota; vihdoin, sisäisen johdonmukaisuuden kerroin joka ei vaadi useampaa kuin yhtä mittausta, tämä kerroin voidaan laskea useilla menetelmillä, mutta Cronbachin alfa on yleisin.

Cronbachin alfaa on ehdottanut Lee J. Cronbach vuonna 1951, toimenpiteenä Kuderin kehittämien KR-20- ja KR-21-kertoimien rajoituksia vastaan ja Richardson, joita voidaan käyttää vain asteikoissa, joissa on vastevaihtoehtoja kaksijakoinen

Cronbachin alfan (α) laskemiseen käytetään seuraavaa kaavaa:

missä k on testikohteiden lukumäärä; S_Joo² on kohteiden varianssi ja S_summa² on asteikon kokonaisvarianssi. Toisin sanoen alfa saadaan laskemalla asteikon kunkin kohteen korrelaatio kunkin muun kohteen kanssa, jolloin se on keskiarvo nämä korrelaatiot ja tuloksena olisi alfan arvo, on syytä mainita, että nämä korrelaatiot arvioidaan korrelaatiokertoimella pearson. Siksi luotettavuus alfan kautta liittyy asteikon pituuteen ja sen kohteiden välisen kovarianssin (korrelaation) tasoon. Cronbachin alfa-arvo voi olla välillä 0 - 1, mitä lähempänä 1:tä edustaa parempaa sisäistä yhtenäisyysindeksiä; tässä mielessä alfan pienin hyväksyttävä arvo on 0,70 ja .90:tä suuremmat arvot osoittaisivat kohteiden redundanssia.

Cronbachin alfasta on tullut laajimmin käytetty menetelmä asteikon sisäisen johdonmukaisuuden arvioimiseksi sen vuoksi. etuja muihin menetelmiin verrattuna, mutta myös siksi, että useimmat tilastopaketit ja ohjelmat voivat arvioida tämän arvoinen. Cronbachin alfan käyttö ei kuitenkaan ole vailla kritiikkiä, joista suurin osa johtuu sen oletusten rikkomisesta.

Cronbachin alfan oletukset

1. Tau-ekvivalenssi, tämä viittaa siihen, että kaikki asteikon kohteet mittaavat samaa ominaisuutta tai samaa piilevää tekijää samalla tarkkuudella.
2. Virheitä ei saa korreloida, koska niiden oletetaan olevan riippumattomia.
3. Kohteiden yksiulotteisuus, eli asteikon kohteiden on mitattava yksi piilevä piirre.
4. Operatisoidun muuttujan mittaustason tulee olla jatkuva.

Näiden oletusten laiminlyönti voi aiheuttaa virheellisen arvion Cronbachin alfa-arvoista. Yhteiskunta- ja terveystieteiden tietojen luonteen vuoksi on kuitenkin yleistä, että neljättä oletusta ei täytä; eli data on yleensä järjestyslukua. Alfa-kertoimen käyttäminen järjestystietoihin, varsinkin kun vastausvaihtoehtoja on vähemmän kuin 5, voi aiheuttaa arvojen aliarvioinnin. Tästä syystä Cronbachin alfalle on syntynyt vaihtoehtoja.

Tavallinen Alfa

Sisäisen johdonmukaisuuden estimointi järjestysalfaa käyttäen noudattaa samaa logiikkaa kuin Cronbachin alfa, jossa ero, että Pearson-korrelaatiomatriisin sijaan ordinaal alfa käyttää monikerrosta korrelaatiomatriisia tai tetrakoorinen. Samoin, toisin kuin Cronbachin alfa, joka on herkkä tietojen vinoudelle, järjestysalfa on puolueeton arvio.

McDonald's Omega

Ottaen huomioon kohteiden välisen vastaavuusoletuksen rikkomisen, McDonald omega on menetelmä sisäisen johdonmukaisuuden arvioimiseksi, ja sen merkitys on kasvanut. Tämän kertoimen etuja ovat, että toisin kuin alfa, omega toimii kuormien kanssa kunkin kohteen tekijät, eikä se riipu asteikon kohteiden lukumäärästä, kuten seuraavasta näkyy kaava.

missä λ on kuormituskerroin ja λ_i on kuormituskerroin, standardoitu. Kuten Cronbachin alfa, omega-arvot 0,70 ja 0,90 välillä edustavat riittäviä arvoja.

Huolimatta McDonald'sin ordinaalfan ja omegan käytön eduista, sen käyttö tutkimuksessa on edelleen vähäistä, Tämä voi johtua siitä, että useimmissa tilastoohjelmistoissa ja -paketeissa ei vielä ole mahdollisuutta siihen arvostaa heitä.