Vad är Cronbachs alfa och hur definieras det?

Marco Antonio Villanueva Bustamante
doktor i psykologi

Cronbachs alfa är den mest använda koefficienten för att uppskatta den interna konsistensen av en mätskala.

En av de grundläggande elementen när man bygger och använder en våg är tillförlitlighet, detta definieras som stabiliteten presenteras av ett mätinstrument, när det appliceras vid flera tillfällen medan förhållandena är närvarande Liknande. Med andra ord indikerar tillförlitlighet hur noggrant ett mätinstrument är genom att utvärdera konstruktionen av intresse vid mer än ett tillfälle. För att bedöma tillförlitligheten kan flera tekniker användas, såsom test-retest koefficient som fastställer korrelationen mellan svaret från ett mätinstrument som används vid två olika tillfällen; koefficienten för parallella former, beräknas genom att använda ett instrument som har två olika versioner; till sist, koefficienten för intern konsekvens som inte kräver mer än en mätning, denna koefficient kan beräknas med olika metoder, men Cronbachs Alpha är den vanligaste.

Cronbachs alfa föreslås av Lee J. Cronbach 1951, som en åtgärd mot begränsningen av KR-20 och KR-21 koefficienten utvecklad av Kuder och Richardson, som endast kan tillämpas på skalor som har svarsalternativ dikotom

För att beräkna Cronbachs alfa (α) används följande formel:

Där k är antalet testobjekt; S_Yo² är variansen av föremålen och S_belopp² är den totala variansen av skalan. Med andra ord, alfa erhålls genom att beräkna korrelationen för varje objekt på skalan med vart och ett av de andra objekten, då är det genomsnitt av dessa korrelationer och resultatet skulle bli värdet av alfa, det är värt att nämna att dessa korrelationer uppskattas med hjälp av korrelationskoefficienten för pearson. Därför är tillförlitlighet genom alfa relaterad till längden på skalan och nivån av kovarians (korrelation) mellan dess poster. Cronbachs alfavärde kan vara mellan 0 och 1, ju närmare 1 representerar det bättre internt konsistensindex; i denna mening är det lägsta acceptabla värdet för alfa 0,70 och värden större än 0,90 skulle indikera redundans i objekten.

Cronbachs alfa har blivit den mest använda metoden för att uppskatta den interna konsistensen av en skala, på grund av dess fördelar jämfört med andra metoder, men också för att de flesta statistiska paket och program kan uppskatta detta värde. Men användningen av Cronbachs alfa är inte utan dess kritiker, varav de flesta härrör från kränkningen av dess antaganden.

Antaganden om Cronbachs alfa

1. Tau-ekvivalens, detta hänvisar till det faktum att alla objekt på en skala mäter samma egenskap eller samma latenta faktor med en liknande grad av precision.
2. Felen får inte vara korrelerade, eftersom det antas att de är oberoende.
3. Unidimensionalitet av objekten, det vill säga objekten i en skala måste mäta en enda latent egenskap.
4. Mätnivån för den operationaliserade variabeln måste vara kontinuerlig.

Underlåtenhet att följa något av dessa antaganden kan orsaka en felaktig uppskattning av Cronbachs Alpha-värden. Med tanke på uppgifternas karaktär inom samhälls- och hälsovetenskap är det dock vanligt att inte uppfylla det fjärde antagandet; det vill säga att data tenderar att vara ordinal. Att tillämpa alfakoefficienten på ordningsdata, särskilt när det finns färre än 5 svarsalternativ, kan orsaka en underskattning av värdena. Av denna anledning har det dykt upp alternativ för Cronbachs Alpha.

Ordinalalfa

Uppskattningen av intern konsistens med hjälp av ordinalalfa följer samma logik som Cronbachs alfa, med skillnaden, att istället för att använda Pearson-korrelationsmatrisen, använder ordinal alfa den polykoriska korrelationsmatrisen eller tetrakorisk. På samma sätt, till skillnad från Cronbachs alfa, som är känsligt för dataskevhet, är ordinal alfa en opartisk uppskattning.

McDonalds Omega

Med tanke på brottet mot antagandet om likvärdighet mellan artiklarna, är McDonald omega en metod för att uppskatta intern konsistens som har vunnit relevans. Bland fördelarna med denna koefficient är att till skillnad från alfa fungerar omega med belastningar faktorer för varje föremål och beror inte på antalet föremål på skalan, vilket kan ses i följande formel.

där λ är belastningsfaktorn och λ_i är belastningsfaktorn, standardiserad. I likhet med Cronbachs alfa representerar omega-värden mellan .70 och .90 adekvata värden.

Trots fördelarna med användningen av McDonald's ordinarie alfa och omega, är dess tillämpning i forskning fortfarande knapphändig, Detta kan bero på att de flesta statistiska program och paket ännu inte har en möjlighet att göra det uppskatta dem.