Tử Lương Chấn

• Proton Holdings Bhd

Cronbach’s alpha dưới 0,7.

Nghiên cứu của tôi, với sự tham gia của 280 người trả lời, có 3 biến tức là độc lập (4 tập hợp con), trung gian (7 tập hợp con) và phụ thuộc (9 tập hợp con). Mỗi tập hợp con có từ 3 đến 6 câu hỏi. Nếu hệ số Cronbach’s alpha của một số tập hợp con giảm xuống dưới 0,7 thì thông thường quyết định sẽ là xóa câu hỏi liên quan trong tập hợp con đó để tăng hệ số Cronbach’s alpha lên trên 0,7. Nếu hành động này dẫn đến việc giảm số lượng câu hỏi xuống còn 2, điều này có thể gây ra vấn đề không? Có giải pháp nào không? Trong cuộc khảo sát thí điểm với 40 người được hỏi, vấn đề này không phát sinh.

Số liệu thống kê

Tâm lý học

độ tin cậy

Phân tích dữ liệu

Chia sẻ

Câu trả lời gần đây nhất

Pauw Voetligt

Đại học Utrecht

Còn hệ số Cronbach’s alpha là 0,691 thì sao? việc loại bỏ mục không tương quan tốt sẽ mang lại alpha đến .703. Đó có phải là một bước cần thiết để thực hiện?

Trích dẫn

Câu trả lời phổ biến (1)

Ronan Michael Conroy

Đại học bác sĩ phẫu thuật hoàng gia ở Ireland

Truyền thuyết đô thị rằng hệ số alpha 0,7 có thể chấp nhận được đối với thang đo chỉ là: truyền thuyết đô thị. Nó được ghi lại trong một bài báo rất thú vị của Lance (Lance CE, Butts MM, Michels LC. Nguồn của bốn tiêu chí giới hạn được báo cáo phổ biến: Họ thực sự đã nói gì? Phương pháp nghiên cứu tổ chức. 2006 1 tháng 4; 9 (2): 202– 20.)

Bài báo năm 1978 của Nunally thực sự đã nói rằng “mức độ tin cậy thỏa đáng phụ thuộc vào cách sử dụng thước đo. Trong giai đoạn đầu của nghiên cứu… người ta tiết kiệm thời gian và năng lượng bằng cách làm việc với các thiết bị có độ tin cậy chỉ ở mức khiêm tốn, với mục đích là độ tin cậy.” từ 0,70 trở lên là đủ…. Ngược lại với các tiêu chuẩn trong nghiên cứu cơ bản, trong nhiều môi trường ứng dụng, độ tin cậy ở mức 0,80 gần như không đủ cao.”

Và điều đó có ý nghĩa hơn với tôi.

Trích dẫn

80 Khuyến nghị

 

Tất cả các câu trả lời (134)

 

Reynaldo Rocha-Chávez

Viện Chính trị Quốc gia

Tze Leong Chan thân mến:

Số lượng câu hỏi tối thiểu là hai. Nhưng trong trường hợp này, bạn có nguy cơ mất hiệu lực của nội dung. Cụ thể, tôi đề xuất ba ít hơn hoặc nhiều hơn cho mỗi tập hợp con và 0,8 alfa trở lên trong mỗi tập hợp con. Trong trường hợp của bạn, có lẽ cách tốt nhất là loại bỏ hoàn toàn các tập hợp con đó.

Trích dẫn

1 khuyến nghị

 

Tử Lương Chấn

Proton Holdings Bhd

Bài viết/cuốn sách được giới thiệu với số lượng tối thiểu 2 câu hỏi là gì? Ngoài ra, có thể tăng cronbach alpha theo bất kỳ cách nào khác trong khi vẫn giữ nguyên số lượng tối đa 3 câu hỏi không? Cho đến nay tôi đã đưa 99 vào các ô dữ liệu bị thiếu và còn khá nhiều dữ liệu bị thiếu.

Trích dẫn

 

Reynaldo Rocha-Chávez

Viện Chính trị Quốc gia

Alpha là điểm đánh giá độ tin cậy của thước đo của bạn. Đó là một đặc điểm của quy mô của bạn. Vì vậy, cách hợp lệ duy nhất để tăng độ tin cậy của phép đo là sửa đổi thiết kế thử nghiệm của bạn. Có lẽ bạn có hai cách. Lặp lại nghiên cứu của bạn với mô tả hoặc báo cáo thử nghiệm tốt hơn theo cách có phương pháp tốt nhất về dữ liệu hiện tại của bạn, hy sinh một số mục tiêu nghiên cứu.

http://books.google.com.mx/books/about/Foundations_of_behavioral_research.html?id=3QQQAQAAIAAJ&redir_esc=y

Trích dẫn

 

Reynaldo Rocha-Chávez

Viện Chính trị Quốc gia

Cụ thể, tôi không biết tài liệu tham khảo nào về điều đó, tôi nhớ ý kiến ​​​​của các giáo sư của tôi trong chương trình tiến sĩ. Có lẽ bạn có thể tìm kiếm trong một cuốn sách về Kiểm tra Lý thuyết Cổ điển.

Trích dẫn

 

Robert Thomas Brennan

Cao đẳng Boston

Tôi đồng ý rằng việc giảm xuống còn hai mục có thể làm giảm giá trị nội dung của thước đo. Alpha trong mẫu phụ có lẽ không liên quan. Độ tin cậy (ở đây được đo bằng tính nhất quán bên trong) phần lớn là một đặc điểm của thước đo, mặc dù có thể tranh cãi trong một tổng thể, nhưng không phải là mẫu hoặc mẫu phụ. Điều khó hiểu là bài tập đầu tiên của bạn có điểm N nhỏ hơn. Liệu mẫu đó có đa dạng hơn về những gì mà các thang đo phụ đo lường được so với mẫu lớn hơn không? Điều đó quan trọng vì theo lý thuyết đo lường cổ điển, phần lỗi là ngẫu nhiên trong khi phần điểm thực sự thay đổi tùy theo mức độ đặc điểm của từng cá nhân. Vì vậy, nếu đặc điểm bị hạn chế, độ tin cậy sẽ giảm vì tỷ lệ điểm đúng so với điểm sai sẽ giảm. Thành thật, vấn đề duy nhất khi có độ tin cậy thấp hơn là số liệu thống kê của bạn sẽ bị sai lệch theo một hướng cụ thể vì sai số sẽ lớn hơn. Vì vậy, ví dụ: sai số chuẩn sẽ lớn hơn, vì vậy nếu có thử nghiệm t thì tỷ lệ này sẽ thấp hơn mức cần thiết và giá trị p của bạn sẽ quá lớn và do đó bạn sẽ ít có khả năng tìm thấy “có ý nghĩa thống kê” ” kết quả. Bob

Trích dẫn

1 khuyến nghị

 

Ben Wilbrink

Có, việc loại bỏ các mục chỉ dựa trên sự đóng góp của chúng đối với độ cao của Cronbach’s alpha (hoặc bất kỳ chỉ số độ tin cậy nào mà người ta sử dụng) là có vấn đề. Kết quả có thể là (có thể sẽ) là một thử nghiệm sai lệch.

Trích dẫn

1 khuyến nghị

 

David J. Hughes

Đại học Manchester

Cho rằng Cronbach’s alpha về cơ bản là thước đo mối tương quan giữa các mục, nên giá trị tối thiểu là không. số mục phải là hai – không cần tham chiếu. Lý tưởng nhất là bạn muốn nhiều mặt hàng hơn chứ không phải ít hơn, vì vậy hãy tránh loại bỏ các mặt hàng để đạt được độ tin cậy không đáng kể.

Nếu bạn nhận thấy rằng một số thang đo có tính nhất quán nội tại kém và các thang đo trùng lặp về nội dung lý thuyết của chúng thì có lẽ bạn nên tiến hành phân tích nhân tố khám phá để kiểm tra xem liệu các nhóm mục tiên nghiệm mà bạn nắm giữ hay không. Nếu đúng như vậy thì tôi sẽ không quá lo lắng về chỉ số Cronbahch thấp vì có thể là do có quá ít chỉ số cho mỗi yếu tố. Tuy nhiên, nếu cấu trúc của các mục khác biệt đáng kể so với các nhóm tiên nghiệm của bạn thì đây có thể là gốc rễ của tính nhất quán nội bộ thấp.

Trích dẫn

2 khuyến nghị

 

Floris W Kraaimaat

Đại học Radboud

Tôi lo ngại về hai điều: thứ nhất, trong một mẫu nhỏ, alpha là đủ, tại sao lại như vậy vì nó mâu thuẫn, thứ hai, cách tiếp cận của bạn trong việc xử lý các giá trị bị thiếu là gì, khi nào các đối tượng bị xóa khỏi mẫu của bạn. Thực hiện một số phân tích thăm dò để tìm hiểu trường hợp đó là gì trước khi áp dụng các giải pháp.

Trích dẫn

 

Andreas Cordes

Georg-August-Universität Göttingen

Tze thân mến,

Mục đích học tập của bạn là gì? Bạn muốn Thiết kế một công cụ để trả lời một số Câu hỏi nghiên cứu thực địa hay bạn sử dụng một Bài kiểm tra đã được thiết lập sẵn?

Trích dẫn

 

Antonino Callea

Đại học LUMSA Maria SS. Assunta di Roma

George và Mallery (2003) đưa ra các quy tắc ngón tay cái sau của Cronbach’s alpha: > .9 – Xuất sắc, .8 – Tốt, > .7 – Chấp nhận được, > .6 – Có thể nghi vấn, > .5 – Kém và < .5 – Không thể chấp nhận được” (tr. 231). Vì vậy, nếu hệ số Cronbach’s alpha của bạn nằm trong khoảng từ 0,6 đến 0,7 thì không phải là vấn đề lớn. Chắc chắn việc xóa các câu hỏi liên quan nhằm tăng hệ số Cronbach’s alpha có thể dẫn đến nguy cơ mất giá trị nội dung. Theo ý kiến ​​của tôi thì tệ hơn vì bạn không chắc chắn rằng thang đo có thực sự đo lường được cấu trúc giả thuyết hay không. Nếu bạn sử dụng SEM, có thể hữu ích khi kiểm tra chỉ số độ tin cậy tổng hợp (Rho), theo một số tác giả, nghĩa là Cronbach’s alpha hợp lý hơn.

Trích dẫn

5 khuyến nghị

 

Carmen L Rivera-Medina

Đại học Puerto Rico ở Rio Piedras

Khi bạn nghiên cứu cuốn sách của Kline về mô hình hóa Phương trình Cấu trúc và nhu cầu xác định và xác định chính xác mô hình của mình, bạn hiểu rõ hơn các vấn đề khi xử lý thang đo là bạn chỉ có hai mục cho mỗi thang đo phụ, chủ đề phụ hoặc thứ nguyên. Có, điều này chắc chắn sẽ mang đến cho bạn các vấn đề về độ tin cậy đối với các phạm vi con của bạn và cũng có thể nghi ngờ về độ chính xác của dữ liệu trong mô hình cuối cùng của bạn (trông có vẻ phức tạp tùy thuộc vào việc bạn có định đưa các tập hợp con vào mô hình riêng lẻ hay không) .

Tôi không rõ cách bạn tạo hoặc phát triển tập hợp con các biến, mỗi biến có 3 đến 6 mục. Theo những gì bạn đang nói, có thể có vẻ như nó không tuân theo quy trình thích hợp, nhưng một lần nữa có thể là chúng tôi không có đủ thông tin. Không rõ liệu bạn có tạo ra tất cả các tập hợp con của các biến này hay chúng là các thước đo đã được người khác phát triển. Có quá nhiều thứ đang diễn ra ở đây, một là cách bạn vận hành các biến của mình và liệu chúng có cung cấp cho bạn thông tin chính xác mà bạn cần cho mô hình của mình hay không, chúng đã được phát triển đúng cách hay cần được tinh chỉnh? Bạn đã làm theo đúng quy trình để phát triển thang đo chưa? (Robert Devellis có một cuốn sách hay về Phát triển quy mô). Số lượng mục trên mỗi tập hợp con (như cách bạn gọi) ban đầu bạn có thể cần được cho là lớn hơn vì biết rằng rất có thể bạn sẽ cần phải loại bỏ một số mục có bằng chứng là không hoạt động bình thường. Chúng tôi không biết bạn đã làm gì với nghiên cứu thí điểm thứ 40 của mình, nếu bạn thực hiện ít nhất một phân tích nhân tố khám phá (mà bạn không có đủ mẫu với 40 người tham gia), Mô hình Rasch hoặc một số phân tích khác có thể cho biết cho bạn biết các tập hợp con và các mục của từng tập hợp con hoạt động như thế nào theo thước đo của bạn. Chạy alpha là không đủ khi bạn đang phát triển một biện pháp để đảm bảo rằng cấu trúc của bạn được đo lường chính xác bởi các mục của bạn. Chúng ta thường cho rằng nếu chúng ta có độ tin cậy tương đối tốt thì thước đo đó sẽ mang lại giá trị cho chúng ta khi điều đó không nhất thiết phải xảy ra. Tôi xin lỗi, nhưng tôi có rất nhiều câu hỏi với các tập hợp con của bạn nên việc nói về những thay đổi trong mô hình của bạn khi tôi không chắc liệu bạn đã vận hành đúng các biến của mình hay chưa chỉ là thứ yếu. Có, tôi tin rằng bạn sẽ gặp vấn đề với dữ liệu của mình, vì Bob đã nói rằng bạn đang tích hợp nhiều nhiễu (lỗi) vào mô hình của mình với độ tin cậy thấp, mà không xem xét các thuật ngữ lỗi mà bạn đã đưa vào mô hình theo các biến hoặc yếu tố không được xem xét trong đó. Tôi không phải là chuyên gia về chủ đề này, nhưng từ những gì tôi biết, tôi nghĩ bạn có vấn đề và bạn có thể cần một nhà tư vấn thống kê để cho bạn lời khuyên trực tiếp về nghiên cứu của bạn. như Bob đã nói rằng bạn đang tích hợp nhiều nhiễu (lỗi) vào mô hình của mình với độ tin cậy thấp, mà không xem xét các thuật ngữ lỗi mà bạn đã đưa vào mô hình theo các biến hoặc yếu tố không được xem xét trong đó. Tôi không phải là chuyên gia về chủ đề này, nhưng từ những gì tôi biết, tôi nghĩ bạn có vấn đề và bạn có thể cần một nhà tư vấn thống kê để cho bạn lời khuyên trực tiếp về nghiên cứu của bạn. như Bob đã nói rằng bạn đang tích hợp nhiều nhiễu (lỗi) vào mô hình của mình với độ tin cậy thấp, mà không xem xét các thuật ngữ lỗi mà bạn đã đưa vào mô hình theo các biến hoặc yếu tố không được xem xét trong đó. Tôi không phải là chuyên gia về chủ đề này, nhưng từ những gì tôi biết, tôi nghĩ bạn có vấn đề và bạn có thể cần một nhà tư vấn thống kê để cho bạn lời khuyên trực tiếp về nghiên cứu của bạn.

Trích dẫn

2 khuyến nghị

 

Luis Cid

Học viện Bách khoa Santarém

Chào Tze,

Dưới đây là một số chủ đề có thể giúp bạn đưa ra quyết định:

1) Cronbach’s alpha là một thước đo tốt về tính nhất quán nội tại của biến tiềm ẩn và các giá trị có thể chấp nhận được thường ở trên 0,70 (Nunnally, 1978). Tuy nhiên, chúng ta có thể chấp nhận các giá trị gần 0,60 (Hair, et al., 2006), đặc biệt nếu hệ số chỉ có một vài mục. Bạn có thể hướng dẫn bạn đưa ra quyết định như sau: không chấp nhận được < .60; kém 0,60-0,69; chấp nhận được 0,70-0,79; tốt 0,80-0,89; xuất sắc > 0,89.

2) Có thể chỉ có 2 biến quan sát để đo lường 1 biến tiềm ẩn, nhưng tình huống này có thể dẫn bạn đến một số vấn đề về nhận dạng mô hình trong tương lai (Brown, 2006; Kline, 2005). Vì vậy, nên có một bộ tối thiểu gồm 3 món, nếu có thể thì nên có 4 món thì tốt hơn (Hair, et al., 2006).

Người giới thiệu:

Nunnally, JC (1978). Lý thuyết tâm lý học. New York: McGraw-Hill Inc.

Hair, J., Black, W., Babin, B., Anderson, R., & Tatham, R. (2006). Phân tích dữ liệu đa biến (tái bản lần thứ 6). New Jersey: Pearson Giáo dục, Inc.

Brown, T. (2006). Phân tích nhân tố khẳng định cho nghiên cứu ứng dụng. New York: Nhà xuất bản Guiford.

Kline, R. (2005). Nguyên tắc và thực hành mô hình phương trình cấu trúc (tái bản lần thứ 2). New York: Nhà xuất bản Guilford.

Tôi cũng đề xuất các bài viết sau:

Worthington, R., & Whittaker, T. (2006). Nghiên cứu phát triển quy mô. Phân tích nội dung và đề xuất các phương pháp hay nhất. Nhà tâm lý học tư vấn, 34(6), 806-838.

Trích dẫn

1 khuyến nghị

 

Ayu Dwi Nindyati

Đại học Pancasila

Chào Tze,

Tôi đồng ý với ý kiến ​​rằng hai mục sẽ không thể hiện nội dung của cấu trúc. Nếu tôi không nhầm thì cronbach alpha sẽ không tăng bằng cách thêm người trả lời mà thêm igem của bạn. Nunnaly 1978, Kaplan và Saccuzo, 2005 cũng nói rằng có một cách để tăng alpha cronbach của bạn. Vì vậy có thể bạn cần đọc hai cuốn sách này. Tôi đã có trải nghiệm tương tự và tôi đã làm những gì kaplan và saccuzo nói để tăng alpha…. và nó đã thành công.

Chúc may mắn với nghiên cứu của bạn.

Về

Ayu

Trích dẫn

 

Ronan Michael Conroy

Đại học bác sĩ phẫu thuật hoàng gia ở Ireland

Truyền thuyết đô thị rằng hệ số alpha 0,7 có thể chấp nhận được đối với thang đo chỉ là: truyền thuyết đô thị. Nó được ghi lại trong một bài báo rất thú vị của Lance (Lance CE, Butts MM, Michels LC. Nguồn của bốn tiêu chí giới hạn được báo cáo phổ biến: Họ thực sự đã nói gì? Phương pháp nghiên cứu tổ chức. 2006 1 tháng 4; 9 (2): 202– 20.)

Bài báo năm 1978 của Nunally thực sự đã nói rằng “mức độ tin cậy thỏa đáng phụ thuộc vào cách sử dụng thước đo. Trong giai đoạn đầu của nghiên cứu… người ta tiết kiệm thời gian và năng lượng bằng cách làm việc với các thiết bị có độ tin cậy chỉ ở mức khiêm tốn, với mục đích là độ tin cậy.” từ 0,70 trở lên là đủ…. Ngược lại với các tiêu chuẩn trong nghiên cứu cơ bản, trong nhiều môi trường ứng dụng, độ tin cậy ở mức 0,80 gần như không đủ cao.”

Và điều đó có ý nghĩa hơn với tôi.

Trích dẫn

80 Khuyến nghị

 

Nigel E Turner

Trung tâm cai nghiện và sức khỏe tâm thần

NẾU bạn có thang đo gồm 3 mục và một trong các mục có mối tương quan tổng mục đủ thấp để hạ thấp cronbach alpha, thì tôi muốn nói rằng dù sao thì bạn cũng chỉ có thang đo gồm 2 mục… đó không thực sự là một thang đo, mà là mối tương quan hai biến — một cấu trúc chưa được xác định rõ ràng. Giải pháp tốt nhất là thêm nhiều mặt hàng hơn.

Đây là những thang đo dựa trên lý thuyết hay thang đo dựa trên kinh nghiệm bắt nguồn từ phân tích nhân tố khám phá. Nếu nó dựa trên phân tích nhân tố, bạn có thể muốn xem xét giảm số lượng yếu tố được trích xuất và loại bỏ các yếu tố được xác định bởi ít hơn 4 mục (5 mục thậm chí sẽ tốt hơn). Lưu ý rằng mẫu 40 có thể quá nhỏ để rút ra cấu trúc nhân tố thực sự.

Lưu ý rằng alpha thực sự được thiết kế cho các biến liên tục và sẽ bị đánh giá thấp (suy giảm) nếu số lượng mức độ tùy chọn phản hồi của thang đo nhỏ (ví dụ: 2, 3 4).

Trích dẫn

1 khuyến nghị

 

Samuel T. McAbee

Đại học Bowling Green State

Ronán đã đúng. Tôi khuyên bạn nên kiểm tra mối tương quan trung bình giữa các mục – tùy thuộc vào cấu trúc của bạn, giá trị này sẽ nằm trong khoảng từ 0,2 đến 0,5 (với các giá trị lớn hơn cho các cấu trúc hẹp hơn). Cũng lưu ý rằng trong một số trường hợp, hệ số alpha cao chỉ đơn giản là biểu thị nội dung mục dư thừa.

Xem thêm: Clark, LA, & Watson, D. (1995). Xây dựng giá trị: Những vấn đề cơ bản trong phát triển thang đo khách quan. Đánh giá tâm lý, 7, 309-319. doi: 10.1037/1040-3590.7.3.309

Chúc may mắn!

Trích dẫn

2 khuyến nghị

 

Rakesh Pandey

Đại học Banaras Hindu

Chào Tze,

Như Antonino Callea và Luis Cid đã trích dẫn rằng alpha của .7 không phải là vấn đề lớn và đối với mục đích nghiên cứu, nó nằm trong phạm vi chấp nhận được hoặc thỏa đáng.

Tuy nhiên, việc có được ước tính có độ tin cậy tốt hơn trên mẫu nhỏ (N=40) và giá trị thấp hơn với mẫu lớn hơn là một vấn đề.

Mặc dù đã có nhiều gợi ý hay nhưng tôi vẫn muốn chia sẻ quan điểm của mình về vấn đề này.

1. Trước tiên, bạn nên cố gắng tìm lý do tại sao với mẫu lớn thì giá trị độ tin cậy lại giảm xuống. Vì hệ số alpha là một chỉ số về tính nhất quán bên trong nên một trường hợp duy nhất cho thấy kiểu phản hồi sai lệch (không nhất quán) có thể làm giảm độ tin cậy.

Vì vậy, đề xuất của tôi là chạy thử nghiệm các ngoại lệ đa biến bằng cách sử dụng tất cả các mục làm yếu tố dự đoán (loại trừ tổng điểm và tổng điểm phụ). Tôi hy vọng, sau khi loại bỏ những trường hợp như vậy, vấn đề có thể được giải quyết.

Nếu vấn đề về độ tin cậy thấp không được giải quyết bằng phương pháp nói trên thì bạn cũng có thể thử xác định các trường hợp bất thường bằng cách sử dụng tùy chọn SPSS cho việc này và có thể loại bỏ một số trường hợp bất thường (nếu được xác định). Sau đó chạy lại phân tích độ tin cậy với tập dữ liệu được giảm nhẹ.

Tôi rất hy vọng rằng sau khi loại bỏ các trường hợp ngoại lệ và bất thường, vấn đề sẽ được giải quyết ở mức độ lớn hơn.

2. Nếu vấn đề vẫn tồn tại ngay cả sau khi thử quy trình nói trên thì bạn có thể thử ước tính mối tương quan giữa tất cả các cặp biến có thể có sau khi hiệu chỉnh độ tin cậy của các thước đo. Trong bất kỳ sách giáo khoa kiểm tra tâm lý/trắc nghiệm tâm lý tiêu chuẩn nào, bạn có thể tìm ra cách thực hiện điều đó. Các phương pháp như vậy mang lại cơ hội ước tính mối tương quan giữa hai cấu trúc với giả định rằng các thước đo của cấu trúc đó là hoàn toàn đáng tin cậy.

Sau khi sửa các mối tương quan do độ tin cậy kém của các thước đo, bạn có thể sử dụng ma trận tương quan mới này làm tệp đầu vào để kiểm tra mô hình của mình. Ví dụ: nếu bạn đang sử dụng SEM với AMOS thì có thể sử dụng ma trận tương quan làm đầu vào.

Liên kết sau đây có thể hữu ích trong cách chuẩn bị ma trận tương quan cho AMOS.

http://amosdevelopment.com/support/faq/enter_sample_correlations.htm

Do đó, mô hình được kiểm tra với các mối tương quan được hiệu chỉnh vì độ tin cậy kém sẽ đưa ra ý tưởng về cách các cấu trúc liên quan với nhau khi các thước đo của chúng hoàn toàn đáng tin cậy.

3. Tôi không khuyến nghị giảm các mục hơn nữa để giải quyết vấn đề có độ tin cậy thấp.

Trích dẫn

3 khuyến nghị

 

Soren Ventegodt

Trung tâm nghiên cứu chất lượng cuộc sống

Cá nhân tôi thấy rằng Cronbach’s alfa chỉ phù hợp khi bạn thiếu một lý thuyết tốt nên thay vào đó bạn sử dụng một loạt các câu hỏi hoặc tâm lý liên quan; bạn sử dụng nó, hãy đảm bảo rằng không có câu Q nào hoàn toàn kỳ lạ và lạ lùng trong bộ này. Nói chung, bạn không bao giờ nên làm việc nếu không có một lý thuyết tốt xác định những gì bạn cần hỏi; trong trường hợp đó Cronbach’s alfa hoàn toàn không phải là một phép thử phù hợp.

Trích dẫn

1 khuyến nghị

 

Robert T Brooks

Một vài điểm nhanh để thêm vào các bình luận khác

Giả định của Alpha có tính đơn hướng, do đó các phương án SEM ở trên sẽ là phép thử thích hợp cho giả định này cũng như cung cấp ước tính độ tin cậy

Alpha là ước tính giới hạn dưới của độ tin cậy, các tùy chọn SEM có xu hướng cung cấp ước tính cao hơn

Alpha phụ thuộc vào số lượng mục, càng có nhiều mục có alpha cao hơn với mối tương quan giữa các mục vừa phải, do đó một số mục có xu hướng tạo ra ước tính thấp hơn

một bài viết tôi thấy hữu ích là

Cortina 1993 Hệ số Alpha J của Tâm lý học ứng dụng là gì

Trích dẫn

3 khuyến nghị

 

Dominic Beaulieu-Prévost

Đại học Québec à Montréal

Nếu câu hỏi của bạn sử dụng thang đo likert, tôi khuyên bạn nên sử dụng thang đo thứ tự alpha thay vì thang đo Cronbach truyền thống ( http://pareonline.net/pdf/v17n3.pdf ). Nó có thể tự động giải quyết một phần vấn đề của bạn vì Cronbach’s alpha có xu hướng đánh giá thấp độ tin cậy với một vài mục và với thang đo thứ tự.

Trích dẫn

1 khuyến nghị

 

Don Munro

Đại học Newcastle, Úc

Nguyên tắc ‘một kích thước phù hợp cho tất cả’ về hệ số alpha ‘tốt’ là sai lệch. Điều này phụ thuộc vào việc bạn đang cố gắng phân biệt chính xác thước đo của mình với những thước đo khác ( thước đo ‘độ chính xác cao’) hay đang nhắm tới việc nắm bắt được phạm vi phản ứng rộng hơn từ người trả lời ( thước đo ‘băng thông cao’). Nếu sau này, hệ số alpha ở phạm vi trung bình (giả sử là 0,5-0,6) là hoàn toàn đáng nể – thực sự, bất cứ điều gì cao hơn có thể cho thấy rằng bạn đang nắm bắt một cấu trúc quá cụ thể cho nhu cầu của bạn. Vì vậy, nó phụ thuộc vào mục tiêu lý thuyết của bạn. Ngoài ra, còn có các tiêu chí khác cần được kiểm tra, một số tiêu chí mang tính kỹ thuật hơn được đề xuất bởi những người khác ở trên, nhưng cũng xem xét tính hợp lệ của cấu trúc xét về các biến số khác mà thước đo của bạn tương quan.

Trích dẫn

 

lu’luatul Chizanah

Đại học Gadjah Mada

xin chào Tze, tôi nghĩ rằng tôi đồng ý với Samuel McAbee rằng ‘trong một số trường hợp, hệ số alpha cao chỉ đơn giản là biểu thị nội dung vật phẩm dư thừa’, điểm alpha không cho thấy rằng công cụ có sức mạnh quyết định cao và chúng tôi cũng không thực sự biết rằng thiết bị sẽ phù hợp với các mẫu. tôi khuyên bạn nên thử phân tích mục bằng cách tiếp cận lý thuyết phản hồi mục. nó cho phép chúng tôi chọn các mục phù hợp cho mẫu và dựa trên mục đích của phép đo, chẳng hạn như đó là để chẩn đoán hay kiểm tra hiệu suất tối đa (ví dụ: trong bài kiểm tra tuyển dụng), v.v.

lời chúc tốt nhất

Trích dẫn

 

Sandro Sperandei

Đại học Tây Sydney

Bạn đã bao giờ thử sử dụng một số loại phân tích dữ liệu đa biến làm phân tích yếu tố trong dữ liệu của mình chưa? Bằng cách này, bạn sẽ có thể quan sát các biến không được quan sát đằng sau các biến thực tế của mình.

Tôi tin rằng đây là cách tốt hơn để xem xét loại dữ liệu này.

Trích dẫn

 

Rakesh Pandey

Đại học Banaras Hindu

Sau khi xem qua phản hồi của nhiều thành viên quý được đăng trong vòng 24 giờ qua, tôi muốn chia sẻ những điều sau. Tuy nhiên, trước đó tôi sẽ thể hiện sự đồng tình của mình với quan điểm của một thành viên rằng không thể áp dụng một tiêu chuẩn chung để đánh giá độ tin cậy hoặc giá trị của các biện pháp. Nó phụ thuộc vào mục đích và mục đích mà bài kiểm tra đang được sử dụng.

Những quan sát khác của tôi được liệt kê dưới đây.

1. Một số thành viên cho rằng mối tương quan trung bình giữa các mục tốt hơn Alpha. Tôi có thể nói rằng mặc dù cái trước không bị ảnh hưởng bởi số lượng vật phẩm trong khi cái sau thì có, nhưng về mặt logic, alpha là Sự điều chỉnh lời tiên tri của Spearman Brown về mối tương quan trung bình giữa nó với vật phẩm trong đó N là tổng số vật phẩm. Alpha phụ thuộc vào mối tương quan trung bình giữa các mục hoặc là một hàm của nó. Vì vậy, cả hai sẽ không cung cấp thông tin khác nhau.
2. Một số thành viên còn cho rằng chỉ số alpha cao có thể là dấu hiệu của những món đồ dư thừa. Tôi đồng ý với nhận xét rằng nó chỉ có thể xảy ra khi người ta không quan tâm đúng mức trong khi xây dựng thang đo về sự giống nhau trong cách diễn đạt hoặc nội dung của các mục. Nếu một người đã bao gồm một số mục trong thang đo mà hầu như chỉ yêu cầu cùng một điều bằng các từ khác nhau thì điều đó có khả năng xảy ra. Vì vậy, nhận xét của tôi là tình huống như vậy ít có khả năng xảy ra hơn nếu người ta sử dụng các biện pháp được tiêu chuẩn hóa và xác nhận tốt. Tuy nhiên, với những biện pháp như vậy, tình trạng dư thừa vật phẩm cũng không thể bị loại bỏ hoàn toàn. Để loại trừ, người ta có thể kiểm tra nội dung của các thang đo đó để đảm bảo liệu vấn đề này có tồn tại hay không.
3. Điều quan trọng nhất là độ tin cậy hoặc giá trị cao của một biện pháp không đảm bảo rằng biện pháp đó cũng có tính phân biệt đối xử cao. Mục tiêu chính của bất kỳ bài kiểm tra nào là khai thác hoặc đo lường những khác biệt hoặc biến thể riêng lẻ và thông tin này không được coi là độ tin cậy hoặc giá trị. Độ tin cậy cho biết người trả lời nhất quán trong việc trả lời các mục có quy mô theo nội dung hoặc sự thay đổi theo thời gian. Tính hợp lệ cho biết rằng các mục và thang đo (nói chung) rất nhạy cảm và chính xác trong việc đo lường những gì mà bài kiểm tra yêu cầu đo lường. Nhưng tất cả những thông tin này không thể đảm bảo rằng nó cũng sẽ phân biệt một cách đáng tin cậy những cá nhân có những đặc điểm khác nhau được đo lường.

Vì vậy, nhận xét của tôi là khi một người rất quan tâm đến các đặc tính tâm lý và tính đầy đủ của các thước đo được sử dụng trong nghiên cứu của mình thì người đó cũng có thể cố gắng đánh giá khả năng phân biệt của các thước đo bằng cách sử dụng các chỉ số phù hợp. Một chỉ số như vậy đã được Furguson đề xuất từ ​​lâu (đối với thang đo có các mục phân đôi) và công thức này đã được mở rộng cho thang đo đa sắc bởi một thành viên đáng kính của RG. Chỉ mục này được gọi là ‘delta’. Tôi đã tạo một chủ đề liên quan đến một trong những bài viết của thành viên danh dự này để biết cách tính toán điều này bằng một số phần mềm hoặc bảng tính Excel. Liên kết tới chủ đề này xuất hiện bên dưới.

https://www.researchgate.net/post/Is_there_any_software_or_SPSS_macro_to_compute_delta

Cuối cùng, tôi muốn nói rằng không thể cung cấp bất kỳ tiêu chuẩn chung hoặc tiêu chuẩn vàng nào để đánh giá thuộc tính tâm lý của một thước đo vì nó liên quan nhiều hơn đến các chỉ số thông thường và thường được sử dụng về độ tin cậy và giá trị. Chất lượng tâm lý của một thước đo phụ thuộc và được biểu thị bằng một số tham số khác, chẳng hạn như hệ số beta (sử dụng gói i-clust của R người ta có thể nhận được thông tin này), độ nhạy và độ đặc hiệu của thước đo, chức năng của hạng mục vi phân, tính chiều của thước đo thước đo, v.v. Tuy nhiên, nó sẽ không phải là một khuyến nghị thực tế cho tất cả các chỉ số và chỉ số đã biết về mức độ phù hợp tâm lý của một thước đo trong một nghiên cứu. Tất cả phụ thuộc vào mục tiêu và mục tiêu của nghiên cứu, khía cạnh hoặc đặc tính tâm lý nào của thang đo là cần thiết hơn và tiêu chuẩn hoặc tiêu chí nào cần tuân theo để đưa ra quyết định về chất lượng tâm lý của thước đo. Ví dụ, khi sử dụng các biện pháp chẩn đoán, sự cân bằng giữa độ nhạy và độ đặc hiệu là một thành phần thiết yếu bên cạnh độ tin cậy và giá trị. Trong một số trường hợp, độ nhạy cao trở nên quan trọng trong khi ở những trường hợp khác, độ đặc hiệu lại được nhấn mạnh hơn.

Trích dẫn

1 khuyến nghị

 

Simon Moon

Đại học La Salle

Nhiều gợi ý tốt. Xin lưu ý một điều. Bởi vì bạn đang thử nghiệm một phương thức dàn xếp nên ước tính độ tin cậy thấp hơn có thể là một vấn đề. Đặc biệt đối với việc hòa giải, bạn muốn sử dụng các bài kiểm tra có độ tin cậy cao. Hoặc bạn có thể sử dụng SEM để kiểm tra giả thuyết của mình nhằm tránh các vấn đề về độ tin cậy, mặc dù các thước đo có ước tính độ tin cậy thấp hơn không thể lưu được với bất kỳ số liệu thống kê nào. Giảm số lượng vật phẩm dường như là một giải pháp thay thế tốt hơn so với việc sử dụng tất cả các vật phẩm có độ tin cậy thấp hơn.

Trích dẫn

 

Jisoo Ock

Đại học Quốc gia Pusan

Xin chào,

Nếu có thể, tôi cũng muốn chỉ ra rằng độ tin cậy có lẽ không phải là điều duy nhất bạn lo lắng. Với việc loại bỏ các mục một cách đặc biệt, bạn cũng đang ảnh hưởng đến tính đại diện nội dung của thước đo và có thể là mối quan hệ của nó với các biến số khác trong nghiên cứu của bạn.

Ngoài ra, hãy nhớ rằng độ tin cậy là đặc tính của điểm số trên thước đo cho một mẫu cụ thể, chứ không phải là đặc tính ổn định của công cụ đo lường. Do đó, ước tính độ tin cậy của bạn rất có thể dao động từ mẫu này sang mẫu khác. Do đó, cuối cùng bạn có thể loại bỏ các mục phù hợp về mặt đo lường tâm lý nếu bạn đưa ra quyết định dựa trên một mẫu cụ thể. Hy vọng điều này hữu ích!

Trích dẫn

 

Simon Moon

Đại học La Salle

Jisoo,

Có một chút phản trực giác khi nói rằng “các vật phẩm phù hợp về mặt tâm lý” và ước tính có độ tin cậy thấp có thể cùng tồn tại. Nếu các mục trong thước đo hiển thị nhỏ hơn 0,7 hệ số alpha thì hơn một nửa phương sai được quyết định do sai sót. Tôi tò mò làm thế nào những món đồ như vậy có thể phù hợp về mặt tâm lý. Các mục được giữ lại do lo ngại về giá trị nội dung có nhiều khả năng làm giảm các thuộc tính tâm lý của thước đo do tính không đồng nhất của các mục. Tuy nhiên, trong quá trình kiểm tra hòa giải, độ tin cậy của điểm số phải là mối quan tâm hàng đầu hơn là mức độ bao phủ của các mục trong thước đo.

Trích dẫn

 

Jisoo Ock

Đại học Quốc gia Pusan

Chào bác sĩ Moon,

Tôi chỉ đang cố gắng nhấn mạnh quan điểm rằng độ tin cậy là đặc tính của điểm số trên thước đo cho một mẫu cụ thể, chứ không phải là đặc tính ổn định của công cụ đo lường. Bạn hoàn toàn đúng khi nói rằng điểm số của các mục trong đó hơn một nửa phương sai được cho là do sai số không phải là “âm thanh phù hợp”, nhưng tôi cũng muốn nhắc người hỏi rằng bạn có thể nhận được kết quả khác khi sử dụng một mẫu khác. Ngoài ra, với số lượng mục quá nhỏ, việc đạt được các giá trị độ tin cậy thỏa đáng sẽ trở nên hơi khó khăn khi xem xét các đặc điểm của alpha. Trong trường hợp như vậy, giá trị ước tính độ tin cậy có thể không nhất thiết là điều duy nhất mà người ta nên quan tâm, như một số nhận xét trong chủ đề này gợi ý.

Nhưng cuối cùng, những món đồ tốt hơn tạo ra điểm số với độ tin cậy cao luôn được mong muốn, còn những món đồ tồi thì không!

Trích dẫn

 

Robert Thomas Brennan

Cao đẳng Boston

Mặc dù tôi đồng ý rằng độ tin cậy không phải là chất lượng ổn định của thước đo, nhưng tôi không đồng ý rằng đó là đặc tính của một mẫu cụ thể. Nó là tài sản của một nhóm dân cư cụ thể. Thống kê là ước tính từ một mẫu về dân số. Cronbach’s alpha là một ước tính giống như bất kỳ thống kê nào khác mà chúng tôi thường sử dụng. Một mẫu khác từ cùng một quần thể có thể cho bạn kết quả khác. Trừ khi các mẫu lớn, có thể nó sẽ cho bạn kết quả khác. Tôi cũng không nghĩ rằng việc phân tích đề mục kiểm tra cổ điển thực sự có thể nói lên tất cả về âm thanh tâm lý. Đôi khi chúng là những chỉ báo hữu ích nhưng chắc chắn là lời cuối cùng. Độ tin cậy thấp cho bạn biết rằng bạn có nhiều sai số đo lường, mà theo lý thuyết cổ điển thì sai số này là ngẫu nhiên, nhưng đó gần như là tất cả những gì bạn biết. Nếu đó thực sự là sai số đo lường ngẫu nhiên thì tất cả những gì bạn cần làm là đánh giá thấp mối quan hệ của bạn so với thứ có nhiều điểm đúng hơn và ít sai sót hơn. Bởi vì độ tin cậy rất dễ đạt được nên chúng ta đã quá chú trọng đến nó mà lại quá ít chú trọng đến những phẩm chất khác của thước đo. Thật dễ dàng để có được độ tin cậy cao bằng cách đặt cùng một câu hỏi nhiều lần. Tôi muốn trình bày nội dung tốt hơn với độ tin cậy khiêm tốn hơn là độ tin cậy cao hơn và lấy mẫu nội dung kém. Bob Thật dễ dàng để có được độ tin cậy cao bằng cách đặt cùng một câu hỏi nhiều lần. Tôi muốn trình bày nội dung tốt hơn với độ tin cậy khiêm tốn hơn là độ tin cậy cao hơn và lấy mẫu nội dung kém. Bob Thật dễ dàng để có được độ tin cậy cao bằng cách đặt cùng một câu hỏi nhiều lần. Tôi muốn trình bày nội dung tốt hơn với độ tin cậy khiêm tốn hơn là độ tin cậy cao hơn và lấy mẫu nội dung kém. Bob

Trích dẫn

 

Chúa Giêsu Yeves

Đại học Diego Portales, Santiago, Chile

Xin chào,

Tôi nghĩ bài viết này có thể giúp bạn. Jose M. Cortina (1993). Hệ số Alpha là gì? Kiểm tra lý thuyết và ứng dụng. Nghiên cứu này được công bố trên Tạp chí Ứng dụng Tâm lý học.

Trích dẫn

 

Rosa Maria Albuquerque Freire

Escola Superior de Enfermagem do Porto

Nó có thể giúp ích: Jose M. Cortina (1993). Hệ số Alpha là gì? Kiểm tra lý thuyết và ứng dụng. Tạp chí Ứng dụng Tâm lý học.

Trích dẫn

 

Rakesh Pandey

Đại học Banaras Hindu

Tôi đồng ý rằng độ tin cậy được tính theo điểm (của thước đo) thu được từ một mẫu cụ thể và do lỗi lấy mẫu nên ước tính độ tin cậy cũng có thể thay đổi. Tuy nhiên, các ước tính thu được từ một mẫu đại diện và tương đối lớn có thể được khái quát hóa cho tổng thể. Sai số chuẩn của phép đo có thể hữu ích trong việc đưa ra những quyết định như vậy. Hơn nữa, điểm số đạt được thông qua bất kỳ bài kiểm tra hoặc thang đo nào là chỉ số về cấu trúc đang được đo và do đó độ tin cậy của điểm số (của thước đo) có thể được coi là chỉ số về độ tin cậy của thang đo hoặc công cụ đo lường. Vấn đề duy nhất là mức độ mà nó có thể được khái quát hóa. Tôi đồng ý rằng nó sẽ không bao giờ ổn định vì lỗi lấy mẫu và đo lường là không thể tránh khỏi. Tuy nhiên,

Trích dẫn

1 khuyến nghị

 

Reynaldo Rocha-Chávez

Viện Chính trị Quốc gia

Nếu nghiên cứu của bạn nhằm mục đích đưa ra một mô tả chung về các đặc điểm của dân số và có một tiêu chí kiểm tra tính hợp lệ của thước đo của họ. Bạn có thể tận dụng cơ hội của mình với độ tin cậy thấp. Nhưng nếu nghiên cứu của bạn mang tính đánh giá và kết quả của chúng sẽ ảnh hưởng đến cuộc sống của một số đối tượng, chẳng hạn như đạt được thước đo dưới một điểm giới hạn nhất định, thì độ tin cậy cao là điều cần thiết, có thể là alpha từ 0,900 hoặc cao hơn.

Trích dẫn

 

Kalaya Yar

Đại học Loei Rajabhat

không cần phải giảm số câu hỏi xuống còn 2 và tiếp theo bạn sẽ thử trên 30 hoặc 40 người trả lời để tìm ra Cronbach alpha dưới 0,70 trở lên 0,70

Trích dẫn

 

Simon Moon

Đại học La Salle

Lý do chúng tôi nhấn mạnh đến ước tính độ tin cậy là vì nó đặt ra giới hạn trên về giá trị của thước đo. Hiệu lực có thể được thể hiện theo nhiều cách khác nhau. Một trong số đó là thông qua việc có những mục tiêu biểu (tức là nội dung) như một số nhà bình luận đã đề cập. Tuy nhiên, các cấu trúc tâm lý và hầu hết các khái niệm được sử dụng trong khoa học xã hội có xu hướng có phạm vi nội dung hẹp hơn (tức là băng thông hẹp hơn). Đây là nơi hệ số alpha có thể hữu ích nhất khi không có nhiều mục (như trong câu hỏi ban đầu) và cấu trúc một chiều. Đối với các khái niệm có băng thông thấp hơn, cách tiếp cận hướng nội dung có thể không cung cấp cách tốt/thực tế để chứng minh tính hợp lệ của thước đo. Thay vào đó, các loại phương pháp xác nhận khác (liên quan đến tiêu chí hoặc hội tụ/phân biệt đối xử) có thể cung cấp các phương tiện phù hợp hơn. Vì thế, ưu tiên nội dung để ước tính độ tin cậy không có nhiều ý nghĩa trong tình huống này. Ước tính độ tin cậy từ khiêm tốn đến thấp hơn không chỉ có nghĩa là ước tính thống kê thấp hơn. Chúng nên được hiểu là điều kiện tiên quyết cho một biện pháp hợp lệ. Ước tính độ tin cậy thấp hơn có nghĩa là có thể bạn đang không đo lường những gì bạn muốn đo lường.

Trích dẫn

1 khuyến nghị

 

Andreas Cordes

Georg-August-Universität Göttingen

Có thể hữu ích khi lưu ý rằng việc giải thích alpha (và độ tin cậy nói chung) phụ thuộc vào cách thiết lập phép đo cổ điển (nhiều mục đo cùng một “điểm thực” với các lỗi độc lập). Trong cơ cấu như vậy, mong muốn thiết kế các phép thử có hệ số alpha đủ cao.

Nếu kết cấu được dùng để đo không thuộc loại này thì độ tin cậy có thể ít liên quan hơn. Ví dụ: nếu bạn mong đợi các Mục phản ánh một số khía cạnh khác nhau của những gì bạn dự định đo lường thì bạn sẽ mong đợi độ tin cậy sẽ thấp hơn, vì “điểm thực” của “biến tiềm ẩn” mà mỗi Mục đo lường sẽ khác nhau. . Tuy nhiên, biện pháp này có thể hữu ích. Hãy tưởng tượng một cái gì đó giống như một danh sách kiểm tra, chẳng hạn như đối với ô tô đã qua sử dụng. Bạn có thể có các Mục nhị phân như hỏng phanh, động cơ ổn, điện ổn, v.v. Các mục có thể độc lập nhưng tổng điểm vẫn là thước đo hữu ích cho chất lượng của ô tô.

Đối với nhiều cấu trúc tâm lý/QOL/v.v., không rõ tại sao lại tồn tại thứ gì đó như “điểm thực” của một số biến cơ bản với nhiều chỉ số. Do đó, tôi sẽ không quá lo lắng về mức alpha dưới mức tối ưu, miễn là có đủ lý do để tin rằng điểm số phản ánh điều gì đó hữu ích và được chứng minh là hợp lệ.

Trích dẫn

1 khuyến nghị

 

Simon Moon

Đại học La Salle

Andreas,

Xin hãy để tôi làm rõ. Có vẻ như bạn đang đặt câu hỏi về khái niệm Điểm Đúng trong lý thuyết kiểm tra cổ điển. Ngay cả khi bạn không cho rằng số điểm thực sự như vậy thì độ tin cậy thấp hơn có nghĩa là điểm của bạn có thể thay đổi tùy theo tình huống. Cần lưu ý rằng alpha chỉ là một ước tính độ tin cậy hữu ích trong một tình huống nhất định. Trong các tình huống khác, ước tính độ tin cậy khác nhau sẽ phù hợp hơn. Những gì bạn mô tả là một trong những tình huống ‘khác’. Và trong tình huống như vậy, chỉ số alpha thấp hơn có thể chỉ phản ánh rằng bạn cần sử dụng ước tính độ tin cậy khác. Tình huống được trình bày ở đây là lúc alpha có thể hữu ích nhất.

Trích dẫn

1 khuyến nghị

 

Ronan Michael Conroy

Đại học bác sĩ phẫu thuật hoàng gia ở Ireland

Tôi chia sẻ mối quan tâm của Andreas. Alpha không có cách giải thích nào nếu thang đo không phải là một chiều (và thường bị nhầm lẫn với thước đo về tính một chiều, nhưng chắc chắn là không phải vậy). Một số thang đo, như Andreas chỉ ra, đo lường các lĩnh vực đa chiều. Trong trường hợp này, việc thể hiện ai đó bằng tổng điểm của họ sẽ làm giảm không gian đo lường thành một chiều duy nhất. Thật vậy, chỉ số alpha cao có thể chỉ đơn giản là một dấu hiệu cho thấy bạn đã khai thác được một vùng rất hẹp của miền xây dựng. Nếu bạn lấy thang đo trầm cảm như Beck, nó sẽ đo lường các lĩnh vực tâm trạng, nhận thức và các dấu hiệu thể chất như chán ăn, rối loạn giấc ngủ. Nếu bạn loại bỏ tất cả ngoại trừ các mục tâm trạng, độ tin cậy rõ ràng sẽ tăng lên, đơn giản vì bạn đã không bao quát đầy đủ miền xây dựng.

Trích dẫn

1 khuyến nghị

 

Simon Moon

Đại học La Salle

Ronan,

Tôi không nghĩ có bất kỳ sự bất đồng nào với lập luận của bạn. Tuy nhiên, tôi tin rằng mối lo ngại đó không áp dụng được trong trường hợp của Tze. Anh ấy không nói về một cấu trúc rộng rãi. Câu hỏi của anh ấy liên quan đến các bảng chữ cái thấp hơn cho SUBSCALES có 4-9 mục cho mỗi bảng.

Một điều nữa cần lưu ý là hầu hết các nhà nghiên cứu sử dụng thang đo đa chiều đều sử dụng sai phiên bản alpha. Khi thước đo của bạn có nhiều thang đo phụ, alpha tổng hợp (coi mỗi thang đo phụ như một hạng mục; Helms và cộng sự, 2006) là ước tính thích hợp. Thông thường, alpha tổng hợp sẽ cho bạn giá trị thấp hơn nhiều so với alpha khi sử dụng tất cả các mục cùng nhau vì nó làm giảm tác dụng của số lượng lớn mục.

Trích dẫn

1 khuyến nghị

 

Andreas Cordes

Georg-August-Universität Göttingen

Tôi đồng ý với Ronan, mặc dù quan điểm của tôi về cơ bản không phải là về tính đa chiều. Quan điểm của tôi là thước đo này có thể nhằm mục đích đo lường sự tổng hợp của một số biến tiềm ẩn chung cho tất cả các biến và khía cạnh duy nhất của một Hạng mục duy nhất. Alpha (tốt nhất) là một chỉ báo về độ chính xác mà phần chung được đo. Trong thiết lập phép đo cổ điển, mọi thứ riêng lẻ sẽ được quy cho tiếng ồn. Trong trường hợp bạn quan tâm đến một hỗn hợp (trong cuộc thảo luận này đôi khi được gọi là băng thông rộng) có thể không được hiểu theo nghĩa cổ điển. Các giá trị thấp hơn có thể được chấp nhận tùy thuộc vào tỷ lệ phương sai được chia sẻ so với phương sai riêng lẻ là một phần của “tín hiệu”.

Trong thế giới tốt nhất, sẽ là khôn ngoan nếu tìm thấy các mục sao chép có chung thành phần riêng lẻ để chúng có thể được sử dụng làm chỉ báo với một số cấu trúc giai thừa phân cấp.

Liệu Tze thực sự có các phạm vi con độc lập (điều này thực sự sẽ củng cố cách giải thích cổ điển hơn, vì nó hạn chế lượng phương sai của Mục riêng lẻ có thể là một phần của tín hiệu) là không rõ ràng. Đối với tôi, có vẻ như anh ta có thể có 3 bộ mục, dự định sẽ được sử dụng trong phân tích hòa giải, có thể tự xây dựng. Trong trường hợp đó, việc xem xét về bản chất của cấu trúc và tính thích hợp của việc áp dụng lý thuyết kiểm tra cổ điển có thể hữu ích, đặc biệt nếu anh ta, như tôi giả định, muốn sử dụng dữ liệu để trả lời các câu hỏi về nội dung chứ không phải để tinh chỉnh tâm lý. Vì vậy, anh ta có thể bị ràng buộc với những món đồ anh ta có, có thể có tính chất tổng hợp như vậy, nhưng vẫn có thể là những biện pháp hữu ích cho các cấu trúc dự kiến.

Tất nhiên, một vấn đề trong tình huống này là anh ta sẽ thiếu một ước tính hữu ích về độ chính xác của phép đo.

Trích dẫn

 

Andreas Cordes

Georg-August-Universität Göttingen

Simon,

đọc lại câu hỏi ban đầu bạn có thể đúng. Cấu trúc Biến|Tập hợp con|Câu hỏi không hoàn toàn rõ ràng.

Tze, bạn có thể đưa ra ví dụ về các biến, tập hợp con, cấu trúc câu hỏi, bao gồm mô tả về dạng trả lời không?

Bạn có thể có 4+7+9 biến được biểu thị bằng 3 đến 6 mục, mỗi biến mà trong nghiên cứu của bạn có thể có vai trò là biến độc lập, trung gian, biến phụ thuộc không?

Trích dẫn

 

Loretta Secco

Đại học New Brunswick

Xin chào

Khi tôi đọc câu hỏi và câu trả lời vừa rồi (xin lỗi hơi muộn), tôi muốn biết về phân tích nhân tố và liệu các thang đo con có được xác định bằng phương pháp đó hay không. Sau đó, tôi tự hỏi liệu KMO có đủ cỡ mẫu hay không. Ngoài ra, các nhận xét rằng mức độ nhất quán nội bộ alpha trên thang đo phụ với thang đo 3 mục là phù hợp đối với một cấu trúc. Trên thực tế, tôi sẽ tự hỏi liệu các mục có mối tương quan chặt chẽ với nhau hay không nếu nó cao hơn.

Trích dẫn

 

Lee Branum-Martin

Đại học bang Georgia

Mối quan tâm về cấu trúc tiềm ẩn và tính hợp lệ là rất quan trọng và có thể làm nổi bật những hạn chế trong những gì chúng tôi nghĩ rằng chúng tôi đang đo lường bằng một chỉ số chẳng hạn như “độ tin cậy”. Hầu hết các chỉ số đều mang tính đặc biệt và đưa ra các giả định nghiêm ngặt. Tôi tìm thấy bài viết sau đây có nhiều thông tin:

Sijtsma, K. (2009). Về việc sử dụng, lạm dụng và tính hữu ích rất hạn chế của Cronbach’s alpha. Tâm lý đo lường, 74(1), 107-120.

Trích dẫn

1 khuyến nghị

 

Dale R. Pietrzak

Đại học Vincennes

Ngoài các câu trả lời khác, hãy nhớ rằng Cronbach’s alpha thực sự là phép tính mức độ nhất quán của một tập hợp các mục được một nhóm người trả lời. Tại sao nhóm này phản hồi hoặc không phản hồi nhất quán theo một khoảng thời gian nhất định có thể do nhiều yếu tố. Độ tin cậy cao có thể đạt được khi tập hợp các mục được trả lời một cách nhất quán nhưng vì lý do sai. bộ câu trả lời có thể ảnh hưởng đến điểm số. Ví dụ: mọi người luôn trả lời một tập hợp các mục theo thang đo Likert với thang điểm từ 1-5 là 3 (hoặc 5, v.v.) nhưng thậm chí không đọc các mục đó. Cronbach’s alpha sẽ cao nhưng không phải vì lý do chính đáng. Hệ số Cronbach’s alpha thấp có nghĩa là nhóm người đó không phản hồi nhóm mục đó một cách nhất quán. Ý nghĩa mà chúng tôi gán cho một số liệu như vậy xuất phát từ lý thuyết của chúng tôi và những gì chúng tôi tin tưởng về nó. Mặc dù nó không đo lường được tính không đồng nhất của một cấu trúc nhưng nó có thể bị ảnh hưởng bởi nó. Có thể một nhóm nhỏ phản ứng với các mục này khác với các nhóm nhỏ khác. Tất cả những gì chúng tôi biết là nhóm người này đã không phản hồi một cách nhất quán với nhóm mục này. Các biện pháp khác về độ tin cậy/tính nhất quán có thể quan trọng hơn đối với các biện pháp xây dựng. Có lẽ sự ổn định theo thời gian (độ tin cậy kiểm tra lại) có ý nghĩa hơn về mặt lý thuyết.

Trong CTT “giá trị của ước tính độ tin cậy cho chúng ta biết tỷ lệ biến thiên trong thước đo có thể quy cho điểm thực. Độ tin cậy bằng 0,5 có nghĩa là khoảng một nửa phương sai của điểm quan sát được là do sự thật và một nửa là do lỗi . Độ tin cậy là 0,8 có nghĩa là độ biến thiên có khoảng 80% khả năng thực sự và 20% sai số. vân vân.” ( http://www.socialresearchmethods.net/kb/reliablt.php) . Bao nhiêu trong số này sẽ được chấp nhận trong bối cảnh của bạn? Nó liên quan trực tiếp đến sai số tiêu chuẩn của phép đo dụng cụ. “Mức độ tin cậy thỏa đáng phụ thuộc vào cách sử dụng thước đo. Trong giai đoạn đầu của quá trình dự đoán nghiên cứu xác thực cấu trúc, có thể tiết kiệm thời gian và năng lượng bằng cách sử dụng các công cụ chỉ có độ tin cậy của mô hình, ví dụ: 0,70.” (Nunnally & Bernstein, Lý thuyết tâm lý học tái bản lần thứ 3, trang 264). Trong một số trường hợp, độ tin cậy thấp hơn sẽ được đảm bảo ở những trường hợp khác thì không – trong thiết lập ứng dụng, hướng dẫn chung là các bài kiểm tra được sử dụng trong các quyết định tuyển sinh hoặc lựa chọn phải có độ tin cậy =/> .90 với =/> .80 là điều mong muốn trong hầu hết các bài kiểm tra khác. Tuy nhiên, với tư cách là một nhà nghiên cứu, bạn có thêm không gian để lung lay.

Trong bất kỳ câu hỏi nào cũng là: Bạn sử dụng thước đo này như thế nào? (Lâm sàng – bối cảnh nghiên cứu?); Biện pháp nhất quán nào có ý nghĩa nhất về mặt lý thuyết?; Làm thế nào để một phần thông tin này khớp với toàn bộ mảng thông tin về công cụ mà bạn có (bối cảnh tâm lý học)?

Một số tài nguyên khác:

– Nhiều văn bản khác về Lý thuyết Tâm lý học như Furr & Bacharach (2008), Tâm lý học: Giới thiệu.

– http://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=2&cad=rja&ved=0CDcQFjAB&url=http%3A%2F%2Ftesting.wisc.edu%2FReliability.pdf&ei=iTpUUbCdJOOEygGIpICADA&usg=AFQjCNFturVRNzUGHrHc7_bcldj Q3rBGyQ& bvm =bv.44342787,d.aWc

Trích dẫn

2 khuyến nghị

 

Rakesh Pandey

Đại học Banaras Hindu

Tôi đồng ý với Dale Pietrzak rằng alpha là một chỉ báo về tính nhất quán trung bình của phản hồi giữa các mục và nó có thể bị ảnh hưởng bởi một loạt yếu tố mà một số yếu tố có thể không được mong muốn đối với một nghiên cứu nhất định. Tôi muốn nói thêm rằng điều này cũng áp dụng cho các dạng chỉ số độ tin cậy khác. Hơn nữa, đôi khi chỉ số độ tin cậy rất cao có thể là dấu hiệu của một số vấn đề. Ví dụ, trong trường hợp alpha (như Dale Pietrzak đã chỉ ra) tập phản hồi đó (ví dụ: xu hướng trung tâm) có thể tạo ra độ tin cậy cao (alpha) nhưng trong trường hợp này nó có thể là một chỉ báo kém về tỷ lệ phương sai thực trong tổng số. phương sai. Tương tự, một thước đo có nội dung hạng mục rất giống nhau cũng có khả năng mang lại alpha rất cao nhưng trong trường hợp này nó là một chỉ báo về sự dư thừa của nội dung hạng mục chứ không phải độ tin cậy của thước đo.

Ngay cả khi chúng tôi sử dụng hình thức độ tin cậy khác (chẳng hạn như kiểm tra-kiểm tra lại), giá trị cao hơn đôi khi có thể không được mong muốn. Ví dụ, nếu đã phát triển một thước đo về hiện tượng phụ thuộc trạng thái mà theo định nghĩa có thể thay đổi theo từng thời điểm, thì trong trường hợp này độ tin cậy của thử nghiệm-kiểm tra lại thấp là kết quả mong muốn. Nếu độ tin cậy của kiểm tra-kiểm tra lại trong trường hợp này trở nên rất cao thì nó sẽ đặt câu hỏi về tính hợp lệ của thước đo (cũng có thể là về cấu trúc).

Trước đó, tôi đã chia sẻ quan điểm của mình về vấn đề này và cách chúng ta có thể xử lý tình huống này. Trong các bài đăng đó, tôi đã thảo luận về vấn đề khả năng tổng quát hóa của hệ số alpha, việc sử dụng các chỉ số tâm lý khác như chỉ số phân biệt đối xử, điều chỉnh mối tương quan giữa hai thước đo cho độ tin cậy kém và nhiều chỉ số khác mà tôi hy vọng có thể hữu ích trong việc giải quyết các vấn đề được nêu trong chủ đề này .

Trích dẫn

 

Kim T Ng

Đại học Monash (Úc)

Trước khi có bất kỳ câu trả lời nào hợp lý, chúng tôi cần biết lý do tại sao bạn quan tâm đến hệ số Cronbach alpha. Có phải bạn đang sử dụng thước đo này để ước tính độ tin cậy/Nếu vậy, nó sẽ chỉ là ước tính về độ tin cậy được xác định bằng tỷ lệ của phương sai quan sát được quy cho phương sai trong điểm số thực theo giả định rằng điểm quan sát được là tổng của một điểm đúng và sai số ngẫu nhiên. Trong những điều kiện này, hệ số Cronbach alpha có thể được coi là giới hạn dưới của độ tin cậy kiểm tra lại. Theo tôi nhớ, điều này là cơ sở để nhiều người tranh luận rằng nó phải ít nhất là 0,7. Tuy nhiên, hệ số Cronbach alpha, bản thân nó là thước đo tính nhất quán nội tại của các mục trong bài kiểm tra của bạn. Ví dụ: hai mục có thể cung cấp cho bạn giá trị hệ số là 0,9. Đây sẽ là giới hạn dưới của độ tin cậy của bài kiểm tra-kiểm tra lại đối với bài kiểm tra hai mục, nếu mô hình điểm thực cổ điển đúng. Tuy nhiên, hãy lưu ý rằng điều này không nói lên điều gì về tính hợp lệ của bài kiểm tra.

Trích dẫn

1 khuyến nghị

 

Dale R. Pietrzak

Đại học Vincennes

Mặc dù điều này chắc chắn sẽ làm thay đổi một số cuộc trò chuyện, vì Rakesh chỉ ra rằng cần phải hiểu độ tin cậy mà bạn cần xem xét là gì và tại sao giá trị đó lại quan trọng. Vì chúng tôi đã đề cập đến nhiều yếu tố khác nhau của tính nhất quán nội bộ nên việc kiểm tra lại có thể bổ sung thêm vào cuộc thảo luận. Độ tin cậy kiểm tra lại kiểm tra cao chỉ được mong muốn nếu cấu trúc được kiểm tra ổn định về mặt lý thuyết. Nếu một người đang xem xét sự biến động hàng ngày ở một khía cạnh nào đó của ảnh hưởng thì theo định nghĩa, nó sẽ thay đổi trong một ngày. Sẽ là vấn đề nếu có độ tin cậy kiểm tra lại trong một tháng cao hơn vì nó không phù hợp với cấu trúc đó. Mặt khác, nếu bạn đang kiểm tra tâm trạng và về mặt lý thuyết, t khá ổn định trong thời gian một tháng thì sẽ rất tốt nếu có độ tin cậy của bài kiểm tra-kiểm tra lại cao.

Về mặt nào để xem xét nó phụ thuộc vào việc sử dụng của bạn. Bạn sử dụng nó trong CTT để tính toán sai số đo tiêu chuẩn của bạn. Nếu tại thời điểm kiểm tra (các vấn đề chẩn đoán đồng thời) là tính nhất quán nội bộ trong việc sử dụng của bạn thì tôi là thông tin hữu ích nhất cho bạn trong khi nếu bạn đang cố gắng dự đoán điều gì đó trong lần kiểm tra trong tương lai thì kiểm tra lại có thể mang lại nhiều thông tin hơn cho câu hỏi. Các hướng dẫn này rất hữu ích, nhưng cũng như tất cả các hướng dẫn khác, cần phải hiểu ngữ cảnh.

Trích dẫn

2 khuyến nghị

 

Curran Noirin

Logitech, Nút chai, Ireland

Chỉ có hai câu hỏi có thể sẽ có vấn đề. Trong Phân tích dữ liệu đa biến: Phối cảnh toàn cầu (2010) của Hair và cộng sự, bạn nên có “tối thiểu ba mục cho mỗi yếu tố, tốt nhất là bốn, để không chỉ cung cấp mức độ bao phủ tối thiểu của lĩnh vực lý thuyết cấu trúc mà còn cung cấp đầy đủ nhận dạng cho công trình.”

Tuy nhiên, liên quan đến giá trị Cronbach’s Alpha, quan điểm của Ronán Conroy rất có ý nghĩa. Tôi nghĩ điều đó phụ thuộc vào giá trị bạn nhận được, một lần nữa Hair và cộng sự nói rằng “các giá trị từ 0,60 đến 0,70 được coi là giới hạn thấp hơn của khả năng chấp nhận được”, và theo như tôi nhớ thì Sổ tay Kiểm tra Tâm lý của Kline trình bày một trường hợp coi trọng thấp hơn 0,7 đối với Cronbach’s alpha là có thể chấp nhận được, mặc dù tôi không có trong tay.

Trích dẫn

1 khuyến nghị

 

Dale R. Pietrzak

Đại học Vincennes

Hướng dẫn chung về số lượng mục cho một thang đo phụ thuộc phần nào (không hoàn toàn) vào phương pháp được sử dụng để xây dựng bài kiểm tra. Trong CTT, nơi thường sử dụng tính nhất quán nội bộ như thế này, con số được sử dụng làm hướng dẫn thường nằm trong phạm vi 10-16. Xem Nunnally et al. tài liệu tham khảo được trích dẫn trước đó. Trong các mô hình Đặc điểm/IRT tiềm ẩn, con số này có thể ít hơn. Tôi nghĩ Hair et al. Tôi nhớ là không thực sự có một phần về tâm lý học hoặc cấu trúc bài kiểm tra, tôi đoán họ đang thảo luận về Phân tích nhân tố xác nhận trong chương SEM. Tôi nghĩ đó là nơi diễn ra cuộc thảo luận về ba thước đo cho mỗi yếu tố nhưng đã lâu rồi tôi mới dạy từ văn bản.

Trích dẫn

 

Robert T Brooks

Ba mục cho mỗi thước đo trong SEM xuất phát từ một số cân nhắc, trước tiên để có được cơ sở khái niệm đủ rộng cho yếu tố tiềm ẩn, cần phải có một số mục,

ba mục thứ hai là mức tối thiểu để có được một giải pháp được xác định về mặt thống kê trong phân tích đồng loại một yếu tố, 4 mục được yêu cầu phải có ít nhất một bậc tự do tự do

Hai mục có thể có trong một giải pháp đa yếu tố.

Trích dẫn

 

Kalaya Yar

Đại học Loei Rajabhat

Tôi chấp nhận Robert Brooks và bạn sẽ xem xét nhiều yếu tố và đơn điệu

Trích dẫn

 

Dale R. Pietrzak

Đại học Vincennes

Trong SEM, những thứ này thường không được gọi là vật phẩm. Chúng thường được gọi là chỉ số.

Trích dẫn

 

Satyendra Nath Chakrabartty

Trường Kinh doanh Galgotias (GBS)

Không có phương pháp hiện tại nào để tìm độ tin cậy là đẳng cấu với định nghĩa về độ tin cậy. Do đó, không có phương pháp hiện tại nào có thể tìm thấy độ tin cậy. Những gì họ tìm thấy hơi khác so với độ tin cậy. Cần phải tìm ra độ tin cậy theo định nghĩa, tốt nhất là từ một lần thực hiện bài kiểm tra. Tôi hiện đang làm việc trên nó. Ai làm theo hướng này có thể liên hệ với mình nhé

SNChakrabartty, Trường Kinh doanh Galgotias, Greater Noida, Ấn Độ

Trích dẫn

 

Marc Haspeslagh

AZ Sint-Jan Brugge-Oostende

Ngoài các câu trả lời trên, tôi đề nghị xem lại bài báo tôi đã viết để biết một số biện pháp và quy trình khác để hoạt động với tính hợp lệ, độ tin cậy và tính nhất quán của các công cụ đo lường. Tôi đoán, thích hợp nhất trong trường hợp của bạn là việc sử dụng phân tích thành phần chính phân loại và IRT không tham số. CatPCA sẽ cung cấp cho bạn thông tin chi tiết về việc đo lường các danh mục phản hồi của từng mục liên quan đến các mục khác và các mục nói chung dựa trên tất cả điểm số của người trả lời. IRT không tham số sẽ cung cấp cho bạn thông tin chi tiết về cấu trúc trong tập dữ liệu của bạn bất kể cấu trúc lý thuyết của bạn là gì.

Haspeslagh, M., Eeckloo, K., & Delesie, L. (2012) Xác nhận một khái niệm mới: Năng lực của y tá tâm thần chăm sóc bệnh nhân trầm cảm. Tạp chí Nghiên cứu Điều dưỡng, 17(5), 438-452.

Trích dẫn

1 khuyến nghị

 

Rakesh Pandey

Đại học Banaras Hindu

@ Satyebdra, bạn vui lòng chia sẻ định nghĩa về độ tin cậy mà bạn đang làm việc. Về mặt tâm lý học (theo CTT), nó được định nghĩa là tỷ lệ phương sai thực HOẶC 1 trừ đi tỷ lệ phương sai sai số. Về mặt thống kê, cả hai đều tương đương nếu người ta giả định rằng tổng phương sai là tổng của phương sai đúng và sai.

Nếu bạn cũng đang tuân theo định nghĩa tương tự thì tôi sẽ nói rằng có những phương pháp để ước tính độ tin cậy theo định nghĩa này. Tôi nhớ lại rằng trong {Phương pháp đo tâm lý” của Guilford, một số phương pháp như vậy đã được thảo luận. Một là phương pháp dựa trên ANIOVA và phương pháp kia dựa trên sự khác biệt của hai bộ điểm.

Trích dẫn

3 khuyến nghị

 

Azubuike Victor Chukwuka

Cơ quan Thực thi Quy định và Tiêu chuẩn Môi trường Quốc gia (NESREA)

Theo de Vaus (2002), số lượng mục càng nhỏ thì khả năng phân tích độ tin cậy sử dụng Cronbach’s alpha không chính xác càng lớn.

Trích dẫn

2 khuyến nghị

 

Imam Salehudin

Đại học Indonesia

Tôi CHỈ sử dụng Cronbach’s alpha để kiểm tra độ tin cậy của thiết bị trong giai đoạn trước thử nghiệm.

Khi bạn đã thu thập được số lượng phản hồi đáng kể, tốt hơn hết bạn nên ước tính trực tiếp sai số đo lường bằng cách sử dụng Phân tích nhân tố xác nhận cho tập dữ liệu cuối cùng. Độ tin cậy của mục phải được tính là 1-(sai số ước tính); trong khi điểm giới hạn là 0,7 phù hợp với tôi. Độ tin cậy của kết cấu cũng phải được tính bằng công thức THE (tôi không biết viết ở đây như thế nào).

Trích dẫn

7 khuyến nghị

 

Rakesh Pandey

Đại học Banaras Hindu

Kính gửi Imam

Bạn có thể viết mô tả phương pháp bao gồm công thức và các bước thực hiện vào file word và đính kèm với nhận xét của mình. Hi vọng nó sẽ hữu ích cho những ai theo dõi chủ đề này.

Trích dẫn

1 khuyến nghị

 

Imam Salehudin

Đại học Indonesia

@ Rakesh: Cảm ơn bạn đã gợi ý. Tôi đang đính kèm công thức ở đây:

công thức

a.doc

26,62 KB

Trích dẫn

 

Azubuike Victor Chukwuka

Cơ quan Thực thi Quy định và Tiêu chuẩn Môi trường Quốc gia (NESREA)

Nếu số lượng câu hỏi giảm xuống còn hai để tăng alpha lên trên 0,7 thì đó có thể không thực sự là vấn đề đủ lớn nếu cỡ mẫu của bạn lớn đáng kể. Alpha dưới 0,7 thường được khuyên nên giải thích một cách thận trọng.

Trích dẫn

 

Don thịt xông khói

Đại học Denver

Tôi không quá quan tâm đến độ tin cậy dưới 0,70, miễn là cỡ mẫu lớn. Độ tin cậy thấp làm giảm sức mạnh thống kê (xem Bacon 2004 bên dưới). Nếu bạn không có kết quả gì, người đánh giá có nhiều khả năng coi độ tin cậy thấp là một vấn đề có thể xảy ra.

Nói như vậy, một số người đánh giá chỉ cần có 0,70 nếu không họ sẽ từ chối bài báo. Đề xuất của Imam Salehudin về CFA là một đề xuất hay. Trong CFA, có thể phù hợp khi sử dụng các thước đo độ tin cậy khác có tính đến các tải trọng khác nhau của các thước đo. Những thước đo khác này có thể cao hơn Cronbach’s alpha (xem Bacon, 1995).

Thịt xông khói, DR (2004). Sự đóng góp của độ tin cậy và thử nghiệm trước để đánh giá hiệu quả. Đánh giá thực tế, Nghiên cứu & Đánh giá, 9(3). Có sẵn từ http://PAREonline.net/getvn.asp?v=9&n=3 .

Bacon, DR, Sauer, P., & Young, M. (1995). Độ tin cậy tổng hợp trong mô hình phương trình cấu trúc. Đo lường Giáo dục và Tâm lý, 55 (3) 394-406.

Trích dẫn

2 khuyến nghị

 

Alberto Mirisola

Đại học degli Studi di Palermo

Như đã nhận xét trước đây, Cronbach’s alpha có một số vấn đề. Một giải pháp thay thế là tính chỉ số omega mạnh hơn.

Hãy xem ở đây để có một bài viết hay về chủ đề này:

Dunn, T., Baguley, T., & Brunsden, V. (2013, trên báo chí). Từ alpha đến omega: Một giải pháp thiết thực cho vấn đề phổ biến về ước tính tính nhất quán nội bộ. Tạp chí Tâm lý học Anh.

Trích dẫn

1 khuyến nghị

 

Don thịt xông khói

Đại học Denver

Việc sử dụng hệ số alpha hoặc hệ số omega phụ thuộc một phần vào cách bạn sử dụng thang đo và liệu bạn có đang sử dụng mô hình phương trình cấu trúc hay không. Omega có thể thích hợp nhất trong mô hình phương trình cấu trúc, nhưng không phù hợp trong hồi quy. Xem trích dẫn Bacon, Sauer, Young (1995) trong bài viết trước của tôi.

Trích dẫn

2 khuyến nghị

 

Gregor Socan

Đại học Ljubljana

@Alberto: Tôi không đồng ý rằng omega mạnh hơn alpha. Omega yêu cầu mô hình (một) yếu tố phải phù hợp, trong khi alpha chỉ yêu cầu các lỗi không tương quan khi được hiểu là giới hạn dưới. Nhưng quan trọng hơn, việc lựa chọn giữa alpha và omega phụ thuộc vào mô hình tâm lý học mà bạn làm việc cùng: lý thuyết kiểm tra cổ điển-> alpha, lý thuyết đặc điểm tiềm ẩn-> omega.

Trích dẫn

2 khuyến nghị

 

Gregor Socan

Đại học Ljubljana

Tôi không hiểu câu nói “omega thực tế hơn alpha”. Thực tế theo nghĩa nào? Theo quan điểm của tôi, cả hai hệ số đều là những động vật khá khác nhau. Omega dựa trên cách tiếp cận đặc điểm tiềm ẩn và nó sẽ đưa ra ước tính độ tin cậy chính xác trong trường hợp mô hình đồng dạng hoàn toàn phù hợp (nghĩa là mô hình một yếu tố + phương sai cụ thể bằng 0, tất nhiên là không bao giờ đạt được trong thực tế và không thể dù sao cũng thực sự được kiểm tra, trừ khi bạn có dữ liệu theo chiều dọc). Alpha dựa trên CTT (có thể nói là cách tiếp cận không có mô hình) và có giới hạn thấp hơn đối với độ tin cậy, tuân theo một số giả định nhẹ. Vì vậy, người ta có thể cho rằng alpha thực tế hơn omega, vì nó không dựa trên một mô hình khá hạn chế.

Về lambda-2 của Guttman: ít nhất Lord và Novick (1968) đã biết rằng nó luôn cao hơn lambda-3 (=alpha), nhưng theo kinh nghiệm của tôi, sự khác biệt thường rất nhỏ trừ khi có số lượng tiêu cực đáng kể hiệp phương sai. Nhưng trong hoàn cảnh như vậy, nó thực sự là một lựa chọn tốt hơn alpha.

Alpha có một số đặc tính hấp dẫn (ngoài việc lấy đạo hàm và tính toán đơn giản): hành vi lấy mẫu của nó được hiểu tương đối rõ, độ lệch lấy mẫu của nó không đáng kể và nó có mối quan hệ chặt chẽ với các mối tương quan nội lớp và lý thuyết tổng quát hóa.

Nói chung, tôi không nghĩ rằng alpha có nhiều khuyết điểm thực sự khi được lựa chọn/sử dụng đúng cách. Chúng ta không nên quên rằng đó là *a* thước đo độ tin cậy, không phải *thước đo* độ tin cậy.

Trích dẫn

1 khuyến nghị

 

Luis Fernando Díaz Vilela

Đại học La Laguna

Revelle có một so sánh minh họa về các ước tính nhất quán nội bộ về độ tin cậy trong https://personality-project.org/r/book/Chapter7.pdf . Đặc biệt ở trang 227 và 228, bạn sẽ thấy rõ ràng về ý nghĩa alpha và omega (thứ bậc hoặc tổng số).

Theo đó, omega thực tế hơn vì các biến thể tương đối giữa thứ bậc và tổng thể cho bạn ý tưởng về cấu trúc cơ bản: Thứ bậc cao và tổng thấp khi chỉ có một thành phần; phân cấp thấp và tổng số cao khi có nhiều yếu tố phát sinh.

Tôi rõ ràng thích omega hơn alpha, nhưng chỉ với hai hoặc ba biến số, nó trông giống như “săn ruồi bằng hẻm núi”. Trong trường hợp này, tôi đoán tốt hơn là nên báo cáo hệ số xác định hoặc R bình phương.

Trích dẫn

2 khuyến nghị

 

Ronan Michael Conroy

Đại học bác sĩ phẫu thuật hoàng gia ở Ireland

Luis: cuốn sách này là một nguồn tài liệu hấp dẫn và vô giá. cảm ơn nhiều! Tuy nhiên, tôi vẫn nghĩ rằng đây là thước đo hiệu suất của điểm kiểm tra trong một mẫu cụ thể trong các điều kiện kiểm tra cụ thể. Thực sự thiếu nghiên cứu về tính tổng quát của những ước tính này, cho dù chúng là alpha hay omega hay thứ gì đó ở giữa…

Trích dẫn

 

Gregor Socan

Đại học Ljubljana

@Luis: Từ những gì bạn nói về omega, vẫn không chứng minh được rằng omega thực tế hơn alpha (thực tế theo nghĩa đại diện cho trạng thái thực sự của thực tế). Theo đó, omega có thể cung cấp cho bạn một số thông tin chi tiết bổ sung về dữ liệu – tất nhiên, alpha không thể và không nên được sử dụng để ước tính mức độ phù hợp của mô hình một chiều. Mặt khác, tôi thấy không có lý do gì để nghiên cứu tính chiều bằng cách so sánh các biến thể của omega. Xét cho cùng, omega dựa trên phân tích nhân tố và việc kiểm tra kết quả FA sẽ cho bạn biết rõ liệu giả thuyết một yếu tố có thể đứng vững được hay không.

Nhưng tôi nghĩ chúng ta đang thảo luận sai vấn đề ở đây. Những câu hỏi như “Omega có tốt hơn alpha không?” chỉ có ý nghĩa nếu bạn coi CTT là trường hợp đặc biệt của mô hình nhân tố tuyến tính (như McDonald, 1999). Mặt khác, nếu bạn coi hai cách tiếp cận này là khác nhau về cơ bản (từ quan điểm triết học, hình thức và thực tiễn; xem Borsboom, 2009 chẳng hạn), thì những câu hỏi như vậy chỉ là một trường hợp trộn lẫn giữa táo và cam. Mặc dù cả hai quan điểm đều hợp pháp với IMO, nhưng cá nhân tôi tán thành quan điểm thứ hai và do đó thấy rất ít ý nghĩa khi so sánh cả hai hệ số theo cách đánh giá.

Trích dẫn

 

Christian Gaden Jensen

Đại học Copenhagen

Cuộc thảo luận tuyệt vời, các bạn, cảm ơn. Tôi đang xác nhận một bài kiểm tra trí nhớ bằng lời nói mới với 8 mục trong mỗi thang đo phụ (tương ứng là các từ tích cực, tiêu cực, trung tính). Chúng tôi đã thử nghiệm 137 người khỏe mạnh trong bài báo đầu tiên. Bạn khuyên bạn nên xem xét tính nhất quán bên trong của từng thang đo như thế nào – vì nó chỉ có 8 ‘mục’? Cảm ơn.

Trích dẫn

 

Kenneth A Wallston

Đại học Vanderbilt

Christian: Các mục tạo nên từng thang đo phụ của bạn là gì? Chúng có phải là lời nói không? Cụm từ? Các câu lệnh? Vì đây là bài kiểm tra trí nhớ nên tôi giả định rằng điểm số ở thang điểm phụ sẽ là số mục của từng loại được ghi nhớ “chính xác”. Có bất kỳ lý do hợp lý hoặc lý thuyết nào tại sao điều này phải nhất quán trong nội bộ không? Không phải tất cả các bài kiểm tra nhiều mục đều cần phải nhất quán nội bộ. Ví dụ: danh sách kiểm tra các hành vi liên quan đến sức khỏe hiếm khi nhất quán nội bộ, tuy nhiên chúng có thể đáng tin cậy khi sử dụng các số liệu khác (chẳng hạn như độ ổn định của xét nghiệm-kiểm tra lại) và chúng chắc chắn có thể hợp lệ mà không nhất quán nội bộ.

Trích dẫn

2 khuyến nghị

 

Christian Gaden Jensen

Đại học Copenhagen

Cảm ơn bạn, Kenneth. 24 mục (8 tích cực, 8 tiêu cực, 8 trung tính) là các từ đơn âm tiết (ví dụ: ‘leg’ cho trung tính, ‘kill’ cho tiêu cực, ‘Kiss’ cho tích cực). Danh sách này được hiển thị 5 lần liên tiếp và được thu hồi ngay sau mỗi lần. Sau đó, một danh sách gây xao lãng được đưa ra và gọi lại, sau đó những người tham gia được yêu cầu nhớ lại danh sách mục tiêu mà không cần nhìn thấy nó. Các thử nghiệm khác được thực hiện trong 30 phút, sau đó một thử nghiệm thu hồi danh sách mục tiêu khác được tiến hành. Cách thực hiện này giống hệt với cách được sử dụng trong Nhiệm vụ học tập bằng lời nói bằng thính giác của Rey (RAVLT), có lẽ là bài kiểm tra được sử dụng nhiều nhất về việc học danh sách bằng lời nói không gây cảm xúc. -Tôi thực sự rất muốn nghe các ví dụ về các bài kiểm tra không cần chứng minh tính nhất quán giữa các thang đo phụ (hiệu suất phụ) và tại sao lại như vậy? Cảm ơn bạn, Kenneth!

Trích dẫn

1 khuyến nghị

 

Cameron Paul Hurst

Viện nghiên cứu y tế Queensland

@Ronan. TÔI HOÀN TOÀN đồng ý với bạn NHƯNG

99% người đánh giá không. Vậy làm thế nào để một người đạt được điểm alpha 0,65 trước người đánh giá, ĐẶC BIỆT trong lĩnh vực tâm lý học, lĩnh vực có nhiều người đánh giá giáo điều nhất trong tất cả các lĩnh vực mà tôi đã xuất bản?

Chỉ ra truyền thuyết đô thị là một điều (và một lần nữa tôi hoàn toàn đồng ý với nhận xét của bạn) Tôi hy vọng bạn cũng thực dụng không kém khi nói đến nhiều con số kỳ diệu khác, chẳng hạn như. Cohens’ Kappa là 0,7, ICC=0,7, RSMEA -0,06 (hoặc 0,05). GFI, CFI TFI >-.9 (hoặc >0,95) và nhiều thước đo phù hợp khác được sử dụng trong SEM và CFA…… Vấn đề của chúng tôi là làm cách nào để tiếp cận những người đánh giá cuồng tín không chịu nhúc nhích này ??? ?

Tôi có nên đề cập đến p<0,05 không?????

Trích dẫn

 

Kenneth A Wallston

Đại học Vanderbilt

Trinjhna: Thông thường, thước đo về tình trạng kinh tế xã hội được coi là một chỉ số chứ không phải là thang đo và chỉ số không nhất thiết phải nhất quán nội bộ (trong đó thang đo thường cần phải có thuộc tính đó). Câu hỏi bạn nên tự hỏi mình là “Tôi có lý do hợp lý nào để kỳ vọng rằng tất cả các yếu tố (ví dụ: hạng mục) trong thước đo của tôi sẽ tương quan tích cực và vừa phải (tức là trong khoảng 0,2 – 0,5) với nhau không?” Nếu câu trả lời là “Có” thì việc tính toán tính nhất quán nội tại của thước đo có thể có ý nghĩa. Nếu câu trả lời là “Không” thì đừng bận tâm. Vì vậy, trong trường hợp của bạn, có lý do nào không, chẳng hạn, để kỳ vọng rằng trình độ máy tính của một cá nhân sẽ tương quan với loại nhà mà người đó sống? Cá nhân tôi, đừng nghĩ vậy (nhưng có thể bạn có một số kiến ​​thức khiến bạn tin vào điều ngược lại). Linh cảm của tôi là nếu bạn tiếp tục và tính toán sự nhất quán bên trong mỗi hồ sơ trong số mười hồ sơ của mình thì bạn sẽ tìm thấy rất nhiều kết quả và điều đó sẽ chỉ khiến mọi thứ trở nên rối rắm. Chúc may mắn và vui lòng cho tôi biết nếu điều này hữu ích. Ken

Trích dẫn

1 khuyến nghị

 

Kenneth A Wallston

Đại học Vanderbilt

Christian: Bởi vì bạn quản lý danh sách các từ một âm tiết của mình năm lần cho mỗi người tham gia, nên bạn có đủ dữ liệu để xem xét tính nhất quán về hiệu suất giữa các thử nghiệm, trong trường hợp của bạn, sẽ cho bạn biết liệu thử nghiệm của bạn có đáng tin cậy hay không. Sẽ có gì khác biệt nếu bạn phát hiện ra rằng bài kiểm tra của mình có độ ổn định cao từ lần thử này sang lần thử khác nhưng có rất ít sự nhất quán nội bộ trong mỗi danh sách? Chúng ta đừng quá tập trung vào bất kỳ loại độ tin cậy nào và hãy nhớ rằng mục tiêu thực sự của chúng ta là chứng minh rằng các thước đo của chúng ta là hợp lệ. Tôi sẽ dành nhiều công sức hơn vào việc thiết lập tính hợp lệ hơn là tính toán độ tin cậy (mặc dù việc tính toán độ tin cậy sau này dễ dàng hơn). Ken

Trích dẫn

1 khuyến nghị

 

Dale R. Pietrzak

Đại học Vincennes

Việc sử dụng biện pháp/công cụ có lẽ là quan trọng nhất cần cân nhắc liên quan đến hình thức nhất quán mà người ta hướng tới để được hướng dẫn. Tính nhất quán bên trong có chức năng khai thác tính nhất quán của các phản hồi trên một tập hợp các mục. Ý tưởng là nếu họ đo lường những điều giống nhau thì các mẫu phản hồi phải nhất quán. Lưu ý điều này không giống như tính đồng nhất của các mặt hàng. Ở một số điểm giống nhau nhưng cũng khác nhau ở những điểm quan trọng. Nếu độ lặp lại theo thời gian là khía cạnh quan trọng của biến đang được xem xét thì độ ổn định theo thời gian có lẽ là điều quan trọng nhất cần xem xét. Các biện pháp nhất quán đều hữu ích, nhưng không phải tất cả chúng đều quan trọng tùy thuộc vào kết quả mà chúng liên quan đến trong một nghiên cứu.

Trích dẫn

 

Dale R. Pietrzak

Đại học Vincennes

Một vài suy nghĩ bổ sung. Hướng dẫn tâm lý học là một công cụ không bao giờ có giá trị hơn độ tin cậy của nó. Một lần nữa, trong bối cảnh sử dụng công cụ này. Việc sử dụng thường xác định loại tính nhất quán mà chúng tôi coi là quan trọng. Ví dụ, việc học danh sách thường quan tâm nhiều hơn đến sự ổn định của “chẩn đoán” nếu bạn muốn. Ngoài ra, việc đánh giá độ tin cậy của các biện pháp thực hiện nhiệm vụ tốc độ cũng khác so với các loại công cụ khác (việc học danh sách về cơ bản được coi như một nhiệm vụ tốc độ). Thứ hai, nhiều thước đo của chúng tôi dựa trên sự ổn định của điều gì đó bên trong mỗi cá nhân. Vì vậy cần có nhiều mặt hàng. Về cơ bản, chúng tôi tìm cách tìm ra ý nghĩa chung giữa các mục trong mỗi cá nhân. Các mô hình IRT và Đặc điểm tiềm ẩn thực hiện những điều tương tự nhưng hơi khác một chút. Tuy nhiên, trong một số trường hợp người ta có thể coi một nhóm chủ đề là các hạng mục cho một chỉ số duy nhất. Sự nhất quán giữa những người xếp hạng có thể là chìa khóa trong những trường hợp như vậy. Ví dụ, nhiều thang đánh giá được sử dụng để lấy phản hồi của sinh viên về hoạt động giảng dạy ở trường đại học đều hoạt động từ mô hình này.

Trích dẫn

1 khuyến nghị

 

Christian Gaden Jensen

Đại học Copenhagen

Cảm ơn bạn một lần nữa, Kenneth. Nó có ý nghĩa. Tôi sẽ dành một chút thời gian cho độ tin cậy vì tôi đang đo lường các cấu trúc tổng thể của ví dụ: Trí nhớ tích cực, vì vậy thật thú vị khi thấy rằng tỷ lệ nhớ lại tích cực tương quan giữa trí nhớ tức thời, ngắn hạn và dài hạn. Nhưng bạn nói đúng, giá trị chính xác là điểm mấu chốt, vì chúng tôi đang khẳng định có thể đo lường trí nhớ tình cảm…

Cảm ơn một lần nữa. Tôi sẽ cập nhật hồ sơ của mình khi bài báo được xuất bản, bạn sẽ thấy kết quả! 🙂

Chr.

Trích dẫn

1 khuyến nghị

 

Rahul Pratap Singh Kaurav

Trường Quản lý FORE

Thảo luận rất hay và thú vị các bạn ạ. Tôi cũng xin chia sẻ những điều được trích dẫn trong luận văn của mình: Kaurav, RPS (2013). Đánh giá tác động của marketing nội bộ đến hiệu quả kinh doanh. Tiến sĩ chưa được công bố luận án. Gwalior, Ấn Độ: Đại học Jiwaji.

“Nunnally (1978) khuyến nghị tính toán hệ số alpha (còn được gọi là Cronbach alpha) để đánh giá độ tin cậy của biến nhiều mục. Churchill và Peter (1984) đề xuất mức chấp nhận được cho hệ số alpha. Theo họ một giá trị của alpha dưới 0,60 là điều không mong muốn. Nunnally (1978; 1988) chỉ ra rằng các thước đo mới được phát triển có thể được chấp nhận với giá trị alpha là 0,60, nếu không thì 0,70 sẽ là ngưỡng. Tuy nhiên, việc xem xét việc sử dụng các thang đo này lần đầu tiên trong một nền văn hóa mới, giá trị ngưỡng cho hệ số alpha được thiết lập là 0,60 cho tất cả các thang đo (thang đo tự phát triển).”

Trân trọng,

Trích dẫn

3 khuyến nghị

 

Christian Gaden Jensen

Đại học Copenhagen

Một bình luận rất hữu ích, cảm ơn Rahul. Bạn có thể dán tài liệu tham khảo cho Churchill và Peter (1984) và Nunally (1988) – cảm ơn!

Trích dẫn

1 khuyến nghị

 

Rahul Pratap Singh Kaurav

Trường Quản lý FORE

Cảm ơn Christian, vui lòng tìm các tài liệu tham khảo ở trên cho biết:

Churchill Jr, GA, & Peter, JP (1984). Thiết kế nghiên cứu ảnh hưởng đến độ tin cậy của thang đánh giá: một phân tích tổng hợp. Tạp chí nghiên cứu tiếp thị, 360-375.

Nunnally, JC (1978). Lý thuyết tâm lý học. New York: Nhà xuất bản McGraw-Hill.

Nunnally, JC (1988). Lý thuyết tâm lý học. New Jersey: McGraw-Hill, Vách đá Englewood.

Trích dẫn

3 khuyến nghị

 

Rahul Pratap Singh Kaurav

Trường Quản lý FORE

Nunnally, JC (1978). Lý thuyết tâm lý học. New York: Nhà xuất bản McGraw-Hill.

Nunnally, JC (1988). Lý thuyết tâm lý học. New Jersey: McGraw-Hill, Vách đá Englewood.

Trích dẫn

2 khuyến nghị

 

Christian Gaden Jensen

Đại học Copenhagen

Cảm ơn bạn, Rahul, một lần nữa!

Trích dẫn

1 khuyến nghị

 

Alden Gross

Trường Y tế Công cộng Johns Hopkins Bloomberg

Nếu xóa các mục để có được độ tin cậy tốt sẽ giảm mục được đặt xuống chỉ còn 2, bạn có 2 tùy chọn. Đầu tiên, hãy tìm thêm các mục để kiểm tra thực địa, vì các mục được chọn rõ ràng không ăn khớp với nhau. Thứ hai, hãy suy nghĩ lại cấu trúc mà bạn quan tâm một cách cẩn thận hơn: bạn có đang thiết kế một công cụ để đo lường cấu trúc đa chiều không? Nếu vậy, phân tích nhân tố và tính nhất quán nội tại có thể không phải là thước đo được quan tâm. Theo quan điểm khiêm tốn của tôi, nên tránh sử dụng thang đo đa chiều mà thay vào đó sử dụng thang đo phụ hoặc bảng câu hỏi riêng biệt để đo lường các cấu trúc quan tâm. Tuy nhiên, một số người sẽ lập luận rằng một số cấu trúc nhất định nhất thiết phải có nhiều mặt. Ví dụ: lấy một bảng câu hỏi về “Thái độ đối với sự lão hóa”. Những điều này tồn tại. Có nhiều loại quan điểm về lão hóa. Có lẽ để đơn giản hoặc ngắn gọn, ai đó muốn có một thước đo.

Trích dẫn

 

Tiến sĩ Sajjad Ali

Đại học Malakand

Thông tin rất hữu ích cho các nhà nghiên cứu đàn con………..

Trích dẫn

 

Andrew Bateman

Đại học Essex

Tôi nghĩ rằng những hướng dẫn giải thích của Fisher rất có giá trị http://www.rasch.org/rmt/rmt221i.htm

Trích dẫn

3 khuyến nghị

 

Frederick L Philippe

Đại học Québec à Montréal

Cũng nên nhớ rằng công thức Cronbach’s alpha phụ thuộc vào số lượng mục. Do đó, ít mục hơn có thể sẽ dẫn đến alpha thấp, trong khi nhiều mục sẽ tăng độ tin cậy. Vì vậy, thông thường các thang đo chỉ có một vài mục (3 đến 6) sẽ cho kết quả có độ alpha thấp.

Trích dẫn

5 khuyến nghị

 

Robert T Brooks

Xin chào, gần đây tôi đã thực hiện rất nhiều phân tích về độ tin cậy với các mục phân đôi hoặc ít hơn 6 điểm dữ liệu, tôi đã sử dụng mối tương quan đa âm để xác định Cronbach’s alpha, tôi đã tìm thấy khi các điểm dữ liệu giảm xuống dưới 7 điểm bằng cách sử dụng tương quan đa âm tăng alpha lên tới 0,2 hoặc hơn, chuyển nhiều thang đo không được chấp nhận thành thang đo đáng tin cậy vững chắc

tài liệu tham khảo Gaderman Anne M et al 2012 Ước tính độ tin cậy thứ tự cho dữ liệu phản hồi loại likert và mục thứ tự: Đánh giá thực tế Nghiên cứu & Đánh giá

Trích dẫn

6 khuyến nghị

 

Serge A Kornilov

Viện sinh học hệ thống

Như nhiều người đã chỉ ra, có những lựa chọn thay thế tốt hơn. CFA và các khuôn khổ liên quan là con đường phù hợp. Có rất nhiều ấn phẩm, nhưng tìm kiếm nhanh GS sẽ trả về bài báo này có thể chỉ cho bạn các bài viết khác (tham gia SEMNET listserv cũng sẽ giúp ích rất nhiều)

http://jpa.sagepub.com/content/29/4/377.short

Trích dẫn

1 khuyến nghị

 

Jean-Pierre Rolland

Đại học Paris Nanterre

Hãy xem McCrae, Kurtz, Yamagata, & Terracciano (2011), Tính nhất quán nội bộ, kiểm tra lại Độ tin cậy và ý nghĩa của chúng đối với giá trị của thang đo tính cách. Pers Soc Psychol Review, Tháng Hai, 15, 1, 28-50.

Trích dẫn

 

Jean-Pierre Rolland

Đại học Paris Nanterre

Có sẵn ở đây:

http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2927808/

Pers Soc Psychol Rev. Bản thảo của tác giả; có sẵn trong PMC ngày 1 tháng 5 năm 2011.

Pers Soc Psychol Rev. Tháng 2 năm 2011; 15(1): 28–50.

Xuất bản trực tuyến ngày 30 tháng 4 năm 2010. doi: 10.1177/1088868310366253

Tính nhất quán bên trong, Độ tin cậy trong kiểm tra lại và Ý nghĩa của chúng đối với Độ chính xác của Thang đo Tính cách

Robert R. McCrae, John E. Kurtz, Shinji Yamagata và Antonio Terracciano

Trích dẫn

 

Maria Tejerina-Arreal hoặc Tejerina-Allen

Đại học Murcia

Ngoài ra, kỹ thuật sắp xếp Q tạo ra mối tương quan giữa các mục ở mức trung bình âm, bởi vì một mục được đặt ở vị trí cao đòi hỏi các mục khác cũng sẽ được đặt ở vị trí cao. Trong trường hợp này, chúng tôi không thể mong đợi tính nhất quán nội bộ cao hơn

Trích dẫn

 

Mariya Razzaghian

Viện Khoa học Quản lý, Pakistan

Phải chăng điều này có nghĩa là chúng ta không thể chỉ tuân theo mức alpha 0,7 là mức tối thiểu có thể chấp nhận được?

Trích dẫn

 

Robert T Brooks

Mariya, không có câu trả lời đơn giản có không cho câu hỏi của bạn

nó phụ thuộc vào mục đích của bạn và giai đoạn phát triển thang đo của bạn, trong giai đoạn phát triển ban đầu, bạn có thể chấp nhận mức độ thấp hơn hoàn toàn không loại bỏ các mục hoặc cấu trúc có thể xuất hiện khi thang đo được tinh chỉnh

Bạn cần suy nghĩ kỹ những gì Cronbach’s alpha đang nói với bạn, đó là thước đo mức độ các mục trong thang đo một chiều có liên quan với nhau như thế nào, nghĩa là đo lường cùng một thứ, (NB alpha không thể cho bạn biết liệu một loạt các mục có một chiều, bạn cần phân tích nhân tố cho việc này)

Do đó, nếu bạn có hệ số alpha là 1 thì tỷ lệ là vô ích, các mục giống hệt nhau và không nắm bắt được chiều rộng của cấu trúc, do đó, hệ số alpha quá hoàn hảo sẽ không được chấp nhận.

Nếu bạn có hệ số alpha là 0,5 (bạn nghĩ đó là thang đo một chiều) thì các mục không được kết hợp tốt với nhau và có thể bạn không có thang đo một chiều (quay lại phân tích nhân tố)

Các vấn đề thực tế về alpha.

Alpha bị ảnh hưởng bởi sự tương quan giữa các vật phẩm và quan trọng là số lượng vật phẩm. tương quan thấp làm giảm alpha

Điểm Alpha được tính toán dựa trên mối tương quan Pearson đối với các mục phân đôi sẽ bị đánh giá thấp, tương tự đối với các câu trả lời mục có dưới 7 điểm

Một alpha được tính toán trên 20 mục sẽ được đánh giá quá cao, v.v.

Do đó, với 5 đến 10 mục có thang điểm 7 trở lên, điểm alpha dưới 0,7 cho thấy bạn có thang điểm kém, hãy kiểm tra từng mục nào, cải thiện điểm alpha bằng cách loại bỏ. hệ số alpha 0,95 cho biết bạn có quá nhiều mục và bạn có thể muốn xóa các mục không ảnh hưởng đến kích thước của alpha.

Trích dẫn

44 Khuyến nghị

 

Mohamed Ismail Mohideen Bawa

Đại học Đông Nam Sri Lanka

 

Nếu bạn xóa Cronbach’s alpha đối với một số tập hợp con thì giá trị sẽ giảm xuống dưới 0,7. Thông thường, quyết định là xóa câu hỏi liên quan trong tập hợp con để tăng hệ số Cronbach’s alpha lên trên 0,7. Nếu hành động này dẫn đến việc giảm số lượng câu hỏi xuống còn 2, điều này có thể gây ra vấn đề không? .

 

Bạn có thể thử theo một số cách khác. Đôi khi, những câu hỏi bị loại bỏ có thể khiến khán giả không hiểu rõ. Vì vậy, nếu có thể nhớ lại câu trả lời của người trả lời, hãy thử xem. Đôi khi, bạn không thể loại bỏ hai câu hỏi này do phản hồi tốt và hợp lệ.

 

Trích dẫn

3 khuyến nghị

 

Mohamed Anwar Hammad

Đại học Sains Malaysia

Bạn có thể sử dụng các trang web này để giúp bạn

https://www.easycomputer.com/statistics/reliability-cofactor.php

https://statistics.laerd.com/spss-tutorials/cronbachs-alpha-using-spss-statistics.php

http://www.ncbi.nlm.nih.gov/pmc/articles/PMC4205511/

Ý nghĩa của Cronbach’s alpha

Ý nghĩa của Cronbach’s Alp

ha.pdf

96,36 KB

Trích dẫn

1 khuyến nghị

 

Pauw Voetligt

Đại học Utrecht

Còn hệ số Cronbach’s alpha là 0,691 thì sao? việc loại bỏ mục không tương quan tốt sẽ mang lại alpha đến .703. Đó có phải là một bước cần thiết để thực hiện?

Trích dẫn

Mathews Matinari

Nestlé SA

Có một kịch bản thú vị ở đây. Tôi đang nghiên cứu và đã soạn thảo công cụ của mình dựa trên các thang đo đã được thiết lập sẵn với các mục được điều chỉnh cho phù hợp với mẫu nghiên cứu.

Ban đầu, đạt được hệ số alpha là 0,3 cho một số mục đo lường biến tiềm ẩn trong một nghiên cứu thí điểm, tôi đã nỗ lực cải thiện các câu hỏi về mục trong công cụ cuối cùng. Sau khi phân tích kết quả cuối cùng, tôi thậm chí còn nhận được Cronbach alpha thấp hơn là 0,171.

Tôi quyết định không xóa biến này vì nó đã được một số nhà nghiên cứu coi là chìa khóa trong việc giải thích một biến phụ thuộc nhất định.

Đáng ngạc nhiên là những điểm tương đồng được trích xuất cho các mục đều lớn hơn 0,7. Khi tôi tiến hành kiểm tra giả thuyết, tôi nhận thấy mối quan hệ tích cực và có ý nghĩa giữa biến (được đo bằng các mục có alpha = 0,171) và biến phụ thuộc.

Tôi có nên xóa biến hoặc không dựa trên alpha kém. Liệu alpha có quan tâm đến những ý kiến ​​rất khác nhau trong một mẫu nghiên cứu liên quan đến một số vấn đề nhất định hay không.

Hãy giúp tôi!!!

Trích dẫn

Câu trả lời phổ biến (1)

Ronan Michael Conroy

Đại học bác sĩ phẫu thuật hoàng gia ở Ireland

Truyền thuyết đô thị rằng hệ số alpha 0,7 có thể chấp nhận được đối với thang đo chỉ là: truyền thuyết đô thị. Nó được ghi lại trong một bài báo rất thú vị của Lance (Lance CE, Butts MM, Michels LC. Nguồn của bốn tiêu chí giới hạn được báo cáo phổ biến: Họ thực sự đã nói gì? Phương pháp nghiên cứu tổ chức. 2006 1 tháng 4; 9 (2): 202– 20.)

Bài báo năm 1978 của Nunally thực sự đã nói rằng “mức độ tin cậy thỏa đáng phụ thuộc vào cách sử dụng thước đo. Trong giai đoạn đầu của nghiên cứu… người ta tiết kiệm thời gian và năng lượng bằng cách làm việc với các thiết bị có độ tin cậy chỉ ở mức khiêm tốn, với mục đích là độ tin cậy.” từ 0,70 trở lên là đủ…. Ngược lại với các tiêu chuẩn trong nghiên cứu cơ bản, trong nhiều môi trường ứng dụng, độ tin cậy ở mức 0,80 gần như không đủ cao.”

Và điều đó có ý nghĩa hơn với tôi.

Trích dẫn

80 Khuyến nghị

Nhận trợ giúp với nghiên cứu của bạn

Tham gia ResearchGate để đặt câu hỏi, nhận thông tin đầu vào và thúc đẩy công việc của bạn.

Tham gia miễn phí

Đăng nhập

Tất cả các câu trả lời (134)

1

2

 

 

Elaine Tavares

Đại học Liên bang Rio de Janeiro

Tôi gặp vấn đề tương tự và tìm ra lý do:

Được biết, Cronbachs Alpha (CA) có xu hướng bị đánh giá thấp trong mô hình PLS. Vì vậy các nhà nghiên cứu nên dựa nhiều hơn vào các giá trị độ tin cậy tổng hợp và AVE. Tóc và cộng sự. (2017) giải thích:

Cronbach’s alpha giả định rằng tất cả các chỉ báo đều có độ tin cậy như nhau (nghĩa là tất cả các chỉ báo đều có tải trọng bên ngoài như nhau đối với cấu trúc). Nhưng PLS ưu tiên các chỉ số theo độ tin cậy riêng của chúng. Như vậy, in có thể được sử dụng như một thước đo thận trọng hơn về độ tin cậy nhất quán bên trong. Do những hạn chế của Cronbach alpha, về mặt kỹ thuật sẽ phù hợp hơn khi áp dụng một thước đo khác về độ tin cậy nhất quán nội tại – độ tin cậy tổng hợp, vì nó tính đến các tải trọng bên ngoài khác nhau của các biến chỉ báo (Hair Jr. và cộng sự, 2017)

Tóc Jr, JF ; Hult, GTM ; Ringle, CM ; Sarstedt, M. Sơ lược về Mô hình phương trình cấu trúc bình phương nhỏ nhất từng phần (PLS-SEM). Thousand Oaks, California: Nhà xuất bản Sage.

Trích dẫn

17 Khuyến nghị

 

Ji-Bin Li

Trung tâm Ung thư Đại học Tôn Trung Sơn

@Chan, bạn có tìm thấy bất kỳ tài liệu tham khảo nào hỗ trợ rằng 0,6 Cronbach alpha có thể chấp nhận được không?

Trích dẫn

6 khuyến nghị

 

Jose Luis Graupera

Đại học Alcalá

Lee,

Tài liệu tham khảo này thảo luận về khả năng chấp nhận hệ số Cronbach alpha. Nó tính đến số lượng mục, tính hợp lệ của cấu trúc, … Trong mọi trường hợp, hệ số alpha là 0,6 có thể được chấp nhận.

Loewenthal, KM (2004). Giới thiệu về các bài kiểm tra và thang đo tâm lý (2 ed.).

Hove, Vương quốc Anh: Nhà xuất bản Tâm lý học.

Trích dẫn

16 Khuyến nghị

 

Mubashar Majeed Qadri

Đại học ảo Pakistan

Mục đích và bối cảnh rất quan trọng để đưa ra quyết định hệ số Choroabach >.70 có chấp nhận được hay không. Nếu bảng câu hỏi được thông qua và hệ số trong bài viết nguồn >.70 thì hệ số thấp hơn sẽ gây phản đối. Tuy nhiên, nếu bạn đang sử dụng EFA để phát triển thang đo và cỡ mẫu lớn đáng kể thì hệ số >.60 cũng có thể chấp nhận được.

Trích dẫn

2 khuyến nghị

 

Nishad Nawaz

Đại học Vương quốc

“Nunnally (1978) khuyến nghị tính toán hệ số alpha (còn được gọi là Cronbach alpha) để đánh giá độ tin cậy của biến nhiều mục. Churchill và Peter (1984) đề xuất mức chấp nhận được cho hệ số alpha. Theo họ một giá trị của alpha dưới 0,60 là điều không mong muốn. Nunnally (1978; 1988) chỉ ra rằng các thước đo mới được phát triển có thể được chấp nhận với giá trị alpha là 0,60, nếu không thì 0,70 sẽ là ngưỡng. Tuy nhiên, việc xem xét việc sử dụng các thang đo này lần đầu tiên trong một nền văn hóa mới, giá trị ngưỡng cho hệ số alpha được thiết lập là 0,60 cho tất cả các thang đo (thang đo tự phát triển).”

Trân trọng,

Cronbach’s alpha dưới 0,7.. Có sẵn từ: https://www.researchgate.net/post/Cronbachs_alpha_below_07/9 [truy cập ngày 18 tháng 7 năm 2017].

Trích dẫn

6 khuyến nghị

 

Iqbal Thonse Hawaldar

Đại học Vương quốc

Tôi đồng ý với câu trả lời của Robert T Brooks.

Trích dẫn

1 khuyến nghị

 

Samira Muhammed Ebrahim

Đại học Basrah

Tôi đồng ý với câu trả lời của Mohamed Ismail Mohideen Bawa

Trích dẫn

1 khuyến nghị

 

Usman Saeed

Đại học Dầu khí và Khoáng sản King Fahd

Đồng ý với Elaine Tavares

Trích dẫn

 

Francis Sánchez

Đại học bang bán đảo Bataan

Tôi đồng ý với Nishad Nawaz

Trích dẫn

 

Qais Almamamari

Đại học vùng Vịnh

Chào Tza,

có một số tài liệu tham khảo hy vọng sẽ có giá trị như

– Xác định độ tin cậy bằng Cronbach’s Alpha > 0,7, (Hair, 2005).

– Theo Ramayah (2011), giá trị hệ số Cronbach’s alpha lớn hơn 0,7 được coi là tốt nhưng giá trị lớn hơn 0,5 là chấp nhận được.

-Theo Sekaran và Bougie (2013), độ tin cậy dưới 0,6 được coi là kém, độ tin cậy trong khoảng 0,7 – 0,79 được coi là chấp nhận được và độ tin cậy trên 0,8 được coi là tốt.

Trân trọng

Almaamari

Trích dẫn

5 khuyến nghị

 

Diogenes de Souza Bido

Đại học Presbiteriana Mackenzie

Vấn đề là sự suy giảm (trong ngôn ngữ đo lường tâm lý) hoặc tính nhất quán nói chung (trong ngôn ngữ PLS).

– ít mục/biến tiềm ẩn –> độ tin cậy thấp hơn –> độ suy giảm lớn hơn (phần cấu trúc của mô hình sẽ bị đánh giá thấp).

– Đây không phải là vấn đề trong “dựa trên hiệp phương sai SEM” (LISREL, AMOS, EQS, lavaan, Mplus)

Trích dẫn

1 khuyến nghị

 

Amanda Hellström

Đại học Linnaeus

Tôi không biết bạn có loại dữ liệu nào, nhưng nếu nó là thứ tự thì có lẽ bạn nên sử dụng thước đo độ tin cậy khác ngoài Cronbach’s alpha, xem bài viết dưới đây:

Ước tính độ tin cậy thứ tự cho phản hồi mục thứ tự và loại Likert

dữ liệu: Hướng dẫn mang tính khái niệm, thực nghiệm và thực tiễn

Anne M. Gadermann, Martin Guhn & Bruno D. Zumbo

Trích dẫn

 

Kay Cheng Soh

Trung tâm tiếng Trung Singapore

Nếu tôi nhớ không lầm thì Cronbach’s alpha là mối tương quan trung bình giữa các mục trong thang đo. Do đó, alpha cho thấy mức độ nhất quán nội bộ của các mục, tức là đo lường cùng một cấu trúc.

Theo quan điểm này, alpha=.7 có nghĩa là các mục, trung bình, chia sẻ 50% phương sai và điều này được coi là đủ tối thiểu để thang đo được sử dụng cho mục đích nghiên cứu trong đó quyết định không được đưa ra đối với cá nhân mà là nhóm. Và đối với quyết định đối với cá nhân, cần phải có alpha=.9 trở lên để giảm thiểu sai sót trong phán đoán.

Tuy nhiên, nếu một thang đo không chỉ đo một mà là một số cấu trúc khác nhau (mặc dù có thể có liên quan), thì tính nhất quán bên trong sẽ vô nghĩa và alpha không phải là chỉ số phù hợp về độ tin cậy (tính nhất quán), theo định nghĩa. Sau đó, các chỉ số độ tin cậy khác cần được xem xét.

Một điểm đáng lưu ý nữa là nhiều sách giáo khoa nghiên cứu chỉ ra rằng thang đo càng dài (tức là càng nhiều mục) thì độ tin cậy (alpha) càng cao. Điều này không phải lúc nào cũng đúng vì các mặt hàng kém sẽ làm giảm đi nhiều hơn là góp phần tạo nên độ tin cậy. Vì vậy, khi các mục kém bị loại bỏ (làm cho thang đo ngắn hơn), alpha có khả năng được cải thiện.

Như Conroy đã chỉ ra một cách đúng đắn ở trên, alpha=.7 là một huyền thoại đô thị. Bối cảnh trong đó thang đo được sử dụng có liên quan. Đối với thang đo được thiết kế mới (được phát minh), hệ số alpha thấp hơn có thể được chấp nhận một cách thận trọng, chỉ để tránh việc đóng cửa sớm một lĩnh vực nghiên cứu có lẽ là quan trọng.

Ví dụ: Chỉ số hành vi giáo viên bồi dưỡng tính sáng tạo (CFTIndex) của tôi có chín thang đo phụ, mỗi thang đo chỉ có năm mục và các bảng chữ cái thay đổi từ 0,69 đến 0,86. Nó đã tạo ra nhiều nghiên cứu ở nhiều quốc gia, trong đó có một số luận án tiến sĩ. Kết quả cuối cùng là một chuyên khảo được xuất bản trong năm nay.

Trích dẫn

2 khuyến nghị

 

1. Philip Chalmers

Đại học York

@Amanda Hellström Tôi không khuyến nghị sử dụng alpha thứ tự để khắc phục sự cố ở đây. Trên thực tế, chỉ có một số rất ít trường hợp khi thứ tự alpha có thể thú vị nhất, mặc dù cách sử dụng chung của nó trong tài liệu khá sai lệch (các ước tính về độ tin cậy thường được báo cáo một cách phi thực tế quá cao). Xem bài viết này để làm rõ:

Bài viết về những quan niệm sai lầm và tính hữu dụng hạn chế của Ordinal Alpha

Trích dẫn

2 khuyến nghị

 

Ký ức Silas Madondo

Tôi không nghĩ xóa là lựa chọn tốt nhất. Bạn chỉ phải cơ cấu lại câu hỏi của mình sau khi chẩn đoán được vấn đề. Tính nhất quán nội bộ của bạn có thể không đạt được do tính chất câu hỏi, đặc điểm của người trả lời hoặc những lý do khác. Việc xóa có thể ảnh hưởng đến tính hợp lệ và đầy đủ của dự án của bạn

Trích dẫn

1 khuyến nghị

 

Abdullah Noori

Đại học Kabul

Có, việc xóa mục câu hỏi sẽ gây ra vấn đề trong trường hợp cụ thể này. Thay vào đó, tôi đồng ý với @Silas Memory Madondo, chỉ cần cơ cấu lại mục câu hỏi của bạn!

Trích dẫn

1 khuyến nghị

 

Shem Ngaamba Mwalw’a

Đại học Công giáo Đông Phi

Việc thử nghiệm không có nghĩa là làm cho thiết bị của bạn trở nên lỗi thời; nó chỉ chỉ ra những lĩnh vực cần được giải quyết. Tôi đồng ý với Noori; cơ cấu lại bảng câu hỏi thay vì xóa một mục trong công cụ.

Trích dẫn

 

Khousbou Beeharry

Đại học Mauritius

Hệ số cronbach 0,8 có tốt không?

Trích dẫn

2 khuyến nghị

 

Kay Cheng Soh

Trung tâm tiếng Trung Singapore

Quy ước mong đợi giới hạn dưới của alpha=.7. Vì alpha=.8 vượt quá mong đợi này nên tốt hơn.

Trích dẫn

4 khuyến nghị

 

Ataul Karim Patwary

Đại học Malaysia, Kelantan

Kính gửi Tiến sĩ Tze Leong Chan , vui lòng xem qua Nunally (1970) thảo luận về phạm vi được chấp nhận của Cronbach Alpha.

Trích dẫn

1 khuyến nghị

 

Ataul Karim Patwary

Đại học Malaysia, Kelantan

Tôi đồng ý với bạn Kay Cheng Soh

Trích dẫn

 

Kay Cheng Soh

Trung tâm tiếng Trung Singapore

Cảm ơn, Ataul.

Trích dẫn

 

Ali Ahmed Ateeq

USIM | Đại học Sains Islam Malaysia

Sekaran (2016) cho rằng thậm chí 0,60 cũng có thể chấp nhận được.

Trích dẫn

1 khuyến nghị

 

Victor Ortuño

Đại học Cộng hòa Uruguay

.60 có thể được chấp nhận nếu bạn đang làm việc với một nhạc cụ được điều chỉnh mà không có nghiên cứu trước đây về nó và chỉ nhằm mục đích nghiên cứu. Nếu bạn đang sử dụng một thiết bị cho mục đích lâm sàng, bạn cần có độ tin cậy cao hơn.

Điều khác đáng xem xét là bản chất của khái niệm bạn đang đo lường, nếu bạn đang làm việc với một khái niệm được xác định rõ ràng như lòng tự trọng thì không thể chấp nhận việc đưa ra một công cụ có mức độ tin cậy đó. Tuy nhiên, nếu bạn đang làm việc với các khái niệm như phối cảnh thời gian (Zimbardo & Boyd, 1999), trong đó chúng tôi vẫn đang nỗ lực xác định yếu tố nào tạo nên cấu trúc đó, thì bạn có thể chấp nhận độ tin cậy thấp hơn.

Nếu bạn đang thực hiện Phân tích nhân tố khám phá, bạn sẽ nhanh chóng thấy các mục đang ảnh hưởng đến độ tin cậy của bạn như thế nào, rất có thể cũng ảnh hưởng đến khả năng hội tụ của mô hình, tải trọng nhân tố và tính cộng đồng của nó.

Trích dẫn

5 khuyến nghị

 

Kay Cheng Soh

Trung tâm tiếng Trung Singapore

Công thức tính Cronbach’;s alpha có hệ số hiệu chỉnh k/(k-1) trong đó k là số phần tử. Khi k nhỏ thì hệ số tăng cao. Ví dụ: nếu thang đo chỉ có hai mục và chúng mang lại (1 – Tổng phương sai của mục/Phương sai kiểm tra) là 0,5, thì alpha là 2*0,5 = 1,00, cho thấy rằng thang đo hai mục là hoàn toàn đáng tin cậy! Carmines gợi ý rằng một thang đo cần có từ 8 đến 12 mục. Hãy cẩn thận khi cân có số lượng vật phẩm ít; alpha có thể là giả mạo một cách nghịch lý.

Trích dẫn

3 khuyến nghị

 

Kolitsoe Sehapi

Đại học KwaZulu-Natal

cảm ơn Ali AHMED Ateeq. Bạn có thể vui lòng cho tôi một tài liệu tham khảo đầy đủ về “Sekaran (2016)” không?

Trích dẫn

 

Ibrahim M. Taha

Học viện khoa học quản lý Sadat

Giá trị được chấp nhận của Cronbach’s alpha là 0,7; tuy nhiên, các giá trị trên 0,6 cũng được chấp nhận (Griethuijsen và cộng sự, 2015; Taber, 2018).

van Griethuijsen, RALF, van Eijck, MW, Haste, H. và cộng sự. Các mô hình toàn cầu trong quan điểm của học sinh về khoa học và sự quan tâm đến khoa học. Res Sci Education 45, 581–603 (2015). https://doi.org/10.1007/s11165-014-9438-6

Taber, KS (2018). Việc sử dụng Cronbach’s alpha khi phát triển và báo cáo

công cụ nghiên cứu trong giáo dục khoa học. Nghiên cứu về Giáo dục Khoa học, 48(6),

1273-1296.

Trích dẫn

3 khuyến nghị

 

Abdullah Ahmed

Đại học Hồi giáo Quốc tế Malaysia

Giá trị chấp nhận được của Cronbah’s alpha ia là 0,7, nhưng một số tài liệu tham khảo cho biết 0,5 trở lên có thể chấp nhận được

Trích dẫn

1 khuyến nghị

 

Yusuf F Zakariya

Đại học Ahmadu Bello

Thời đại của Cronbach alpha sắp kết thúc. Hãy thử các chỉ số độ tin cậy thay thế như hệ số Omega, hệ số thứ tự, v.v.

Trích dẫn

1 khuyến nghị

 

Nwamaka A. Elom

Đại học bang Ebonyi, A

Giá trị được chấp nhận của Cronbach alpha là 0,6 được khuyến nghị cho một công cụ tốt. Tham khảo: Ogbazi, J. N & Okpala, J.(2014) Viết báo cáo nghiên cứu: Hướng dẫn dành cho các nhà nghiên cứu về giáo dục, khoa học xã hội và nhân văn (cuối 2). Enugu: Thời gian báo chí có hạn.

Trích dẫn

2 khuyến nghị

 

Hassan Rezaeipandari

Đại học Khoa học Y tế và Dịch vụ Y tế Shahid Sadoughi

Tại sao Cronbach’s Alpha ở thang đo này lại thấp hơn thang đo phụ khác của công cụ?

Trích dẫn

 

Kay Cheng Soh

Trung tâm tiếng Trung Singapore

Theo định nghĩa, điều đó gợi ý cho tôi rằng các mục của một thang đo con đồng nhất hơn các mục của thang đo con kia. Vì vậy, thang đo con thứ nhất có độ tin cậy cao hơn thang đo con kia.

Trích dẫn

 

MS Hồi giáo

Đại học Kyushu

Hãy theo dõi bài viết này:

Bài báo Mức độ sẵn sàng chi trả cho vắc xin Ebola giả định ở Indonesia…

Họ chấp nhận giá trị alpha = 0,7

Trích dẫn

 

Mathews Matinari

Nestlé SA

Có một kịch bản thú vị ở đây. Tôi đang nghiên cứu và đã soạn thảo công cụ của mình dựa trên các thang đo đã được thiết lập sẵn với các mục được điều chỉnh cho phù hợp với mẫu nghiên cứu.

Ban đầu, đạt được hệ số alpha là 0,3 cho một số mục đo lường biến tiềm ẩn trong một nghiên cứu thí điểm, tôi đã nỗ lực cải thiện các câu hỏi về mục trong công cụ cuối cùng. Sau khi phân tích kết quả cuối cùng, tôi thậm chí còn nhận được Cronbach alpha thấp hơn là 0,171.

Tôi quyết định không xóa biến này vì nó đã được một số nhà nghiên cứu coi là chìa khóa trong việc giải thích một biến phụ thuộc nhất định.

Đáng ngạc nhiên là những điểm tương đồng được trích xuất cho các mục đều lớn hơn 0,7. Khi tôi tiến hành kiểm tra giả thuyết, tôi nhận thấy mối quan hệ tích cực và có ý nghĩa giữa biến (được đo bằng các mục có alpha = 0,171) và biến phụ thuộc.

Tôi có nên xóa biến hoặc không dựa trên alpha kém. Liệu alpha có quan tâm đến những ý kiến ​​rất khác nhau trong một mẫu nghiên cứu liên quan đến một số vấn đề nhất định hay không.

Hãy giúp tôi!!!

Trích dẫn