Kas ir Kronbaha alfa un kā tā tiek definēta?

Marko Antonio Villanueva Bustamante
PhD psiholoģijā

Kronbaha alfa ir visplašāk izmantotais koeficients, lai novērtētu mērījumu skalas iekšējo konsekvenci.

Viens no pamatelementiem, veidojot un izmantojot svarus, ir uzticamība, to definē kā stabilitāti uzrāda mērinstruments, ja to lieto vairākas reizes, kamēr pastāv apstākļi Līdzīgi. Citiem vārdiem sakot, ticamība norāda, cik precīzs ir mērinstruments, novērtējot interesējošo konstrukciju vairāk nekā vienu reizi. Lai novērtētu uzticamību, var izmantot vairākas metodes, piemēram, testa-atkārtotas pārbaudes koeficients kas nosaka korelāciju starp mērinstrumenta reakciju, kas tiek izmantota divos dažādos gadījumos; paralēlo formu koeficients, tiek aprēķināts, izmantojot instrumentu, kuram ir divas dažādas versijas; beidzot, iekšējās konsekvences koeficients kas neprasa vairāk kā vienu mērījumu, šo koeficientu var aprēķināt ar dažādām metodēm, bet Kronbaha alfa ir visizplatītākā.

Kronbaha alfa ierosināja Lī Dž. Kronbahs 1951. gadā, kā līdzeklis pret Kudera izstrādāto koeficientu KR-20 un KR-21 ierobežojumu. un Richardson, ko var attiecināt tikai uz skalām, kurām ir atbildes iespējas divkosīgs

Lai aprēķinātu Kronbaha alfa (α), tiek izmantota šāda formula:

kur k ir testa priekšmetu skaits; S_Yo² ir vienumu dispersija un S_summa² ir skalas kopējā dispersija. Citiem vārdiem sakot, alfa tiek iegūta, aprēķinot katras skalas vienības korelāciju ar katru no pārējām vienībām, tad tā ir šīs korelācijas vidējā vērtība un rezultāts būtu alfa vērtība, ir vērts pieminēt, ka šīs korelācijas tiek novērtētas, izmantojot korelācijas koeficientu pērsons. Tāpēc uzticamība caur alfa ir saistīta ar skalas garumu un kovariācijas (korelācijas) līmeni starp tās vienumiem. Kronbaha alfa vērtība var būt no 0 līdz 1, jo tuvāk 1, tas ir labāks iekšējās konsekvences indekss; šajā ziņā minimālā pieļaujamā alfa vērtība ir 0,70, un vērtības, kas lielākas par 0,90, norāda uz vienumu dublēšanu.

Kronbaha alfa ir kļuvusi par visplašāk izmantoto metodi, lai novērtētu skalas iekšējo konsekvenci, jo priekšrocības salīdzinājumā ar citām metodēm, bet arī tāpēc, ka lielākā daļa statistikas pakotņu un programmu var to novērtēt vērts. Tomēr Kronbaha alfa lietošana nav bez kritiķiem, no kuriem lielākā daļa izriet no tā pieņēmumu pārkāpšanas.

Kronbaha alfa pieņēmumi

1. Tau ekvivalence, tas attiecas uz faktu, ka visi skalas vienumi mēra vienu un to pašu pazīmi vai to pašu latento faktoru ar līdzīgu precizitātes pakāpi.
2. Kļūdas nedrīkst būt savstarpēji saistītas, jo tiek pieņemts, ka tās ir neatkarīgas.
3. Vienumu viendimensionalitāte, tas ir, skalas vienībām ir jāmēra viena latenta iezīme.
4. Operacionalizētā mainīgā mērījumu līmenim jābūt nepārtrauktam.

Neatbilstība kādam no šiem pieņēmumiem var izraisīt kļūdainu Kronbaha alfa vērtību aprēķinu. Tomēr, ņemot vērā sociālo un veselības zinātņu datu raksturu, ceturtais pieņēmums parasti netiek izpildīts; tas ir, dati mēdz būt kārtas. Alfa koeficienta lietošana kārtas datiem, it īpaši, ja ir mazāk nekā 5 atbildes iespējas, var izraisīt vērtību nenovērtēšanu. Šī iemesla dēļ Kronbaha alfa ir radušās alternatīvas.

Ordinālā Alfa

Iekšējās konsekvences novērtējums, izmantojot kārtas alfa, ievēro to pašu loģiku kā Kronbaha alfa, ar atšķirība, ka Pīrsona korelācijas matricas vietā kārtas alfa izmanto polihorisko korelācijas matricu vai tetrahorisks. Līdzīgi, atšķirībā no Kronbaha alfa, kas ir jutīga pret datu novirzēm, kārtas alfa ir objektīvs novērtējums.

McDonald's Omega

Ņemot vērā to, ka tiek pārkāpts pieņēmums par vienumu līdzvērtību, McDonald omega ir iekšējās konsekvences novērtēšanas metode, kas kļūst arvien aktuālāka. Viena no šī koeficienta priekšrocībām ir tā, ka atšķirībā no alfa, omega darbojas ar slodzēm katras preces faktori un nav atkarīgs no vienību skaita skalā, kā redzams tālāk formula.

kur λ ir slodzes koeficients un λ_i ir slodzes koeficients, standartizēts. Līdzīgi kā Kronbaha alfa, omega vērtības starp 0,70 un 0,90 ir atbilstošas ​​vērtības.

Neskatoties uz priekšrocībām, ko sniedz McDonald's kārtas alfa un omega izmantošana, tās pielietojums pētniecībā joprojām ir ierobežots, Tas var būt tāpēc, ka lielākajai daļai statistikas programmatūras un pakotņu vēl nav šādas iespējas ciena viņus.