• Articles
• admin

• Cronbachova alfa – rychlá definice
• SPSS Cronbachův alfa výstup
• Zvyšte Cronbachovu alfa odstraněním položek
• Cronbachova Alfa je negativní
• existuje příliš málo případů (N = 0) pro analýzu
• apa reporting cronbachova alfa

Úvod

psychologická fakulta chce prozkoumat spolehlivost testu osobnosti. Mají proto vzorek N = 90 studentů. Takto shromážděná data jsou v big-5.sav, částečně uvedeno níže.

jak je naznačeno názvy proměnných, náš test se pokouší měřit osobnostní rysy“ big 5″. U jiných datových souborů se často používá faktorová analýza, aby se zjistilo, které proměnné měří, které subškály.

každopádně. Naše hlavní výzkumná otázka zní: Jaké jsou spolehlivosti těchto 5 subskalůjak ukazuje cronbachova alfa? Ale nejdřív: co je vlastně cronbachova alfa?

Cronbachova alfa-rychlá definice

cronbachova alfa je rozsah, v jakém součet nad 2 (+)
proměnných měří jeden základní rys.Přesněji řečeno, cronbachova alfa je poměr rozptylu takového součtového skóre, který může být účtován jediným znakem. To znamená, že je to, do jaké míry součet skóre spolehlivě měří něco, a (tedy), do jaké míry soubor položek důsledně měří „stejnou věc“.

cronbachova alfa je proto známá jako míra spolehlivosti nebo vnitřní konzistence. Nejběžnější pravidla pro to jsou, že

• cronbachova alfa ≥ 0.80 je dobrá a
• cronbachova alfa ≈ 0.70 může nebo nemusí být jen přijatelná.

dialogy spolehlivosti SPSS

v SPSS získáme cronbachovu alfa z analýzy měřítko analýza spolehlivosti… jak je uvedeno níže.

pro analýzu první subscale, příjemnost, vyplňujeme dialogy, jak je uvedeno níže.

kliknutím na Vložit se zobrazí syntaxe níže. Projedeme to.

SPSS Cronbachs Alpha Output I

pro spolehlivost nabízí SPSS pouze seznamové vyloučení chybějících hodnot: všechny výsledky jsou založeny pouze na N = 85 případech s nulovými chybějícími hodnotami na našich 5 analytických proměnných nebo „položkách“.
cronbachova alfa = 0,894. Obvykle můžete ignorovat Cronbachovu Alfa na základě standardizovaných položek: standardizace proměnných do Z-skóre před výpočtem skóre stupnice je zřídka – pokud vůbec-hotová.
konečně, vyloučení proměnné z (sub)stupnice může zvýšit Cronbachovu alfa. V této tabulce tomu tak není: pro každou položku je Cronbachova alfa, pokud je položka smazána, nižší než α = 0.894 na základě všech 5 položek.

nyní provedeme přesně stejnou analýzu pro naše druhé dílčí měřítko, svědomitost. Výsledkem je syntaxe níže.

Zvyšte Cronbachovu alfa odstraněním položek

pro subcale svědomitosti, cronbachova alfa = 0.658, což je docela špatné. Všimněte si však, že Cronbachova alfa, pokud je položka odstraněna = 0.726 pro consec02 i consec04.

vzhledem k tomu, že odstranění jedné položky by mělo mít za následek α ≈ 0.726, nejsme si jisti, která by měla být odstraněna jako první. Dva způsoby, jak to zjistit, jsou

• zvýšení desetinných míst nebo (lepší)
• třídění tabulky podle posledního sloupce.

jak jste pravděpodobně viděli, už jsme udělali oba s následujícími příkazy pro úpravu výstupu:

ukazuje se, že odstranění consec04 zvyšuje alfa o něco více než consec02. Preferovaným způsobem je jednoduše zkopírovat předchozí příkaz RELIABILITY, odebrat z něj consec04 a znovu jej spustit.

poté cronbachova alfa = 0,724. Není to přesně předpovězená 0.726, protože odstranění consec04 zvyšuje velikost vzorku na N = 84. Všimněte si, že můžeme zvýšit α ještě dále na 0.814 odstraněním consec02 také. Syntaxe níže dělá právě to.

Všimněte si, že cronbachova alfa = 0.814, pokud vypočítáme naši podskupinu svědomitosti jako součet nebo průměr nad consec01, consec03 a consec05. Vzhledem k tomu, že je to v pořádku, jsme s tímto dílčím stupněm skončili.

pokračujme v dalším dílčím měřítku: extraversion. Činíme tak spuštěním přesně stejné analýzy na extra01 až extra05, což má za následek syntaxi níže.

Cronbachova Alfa je záporná

jak je uvedeno níže, cronbachova alfa = -0.663 pro extraversion subscale. To znamená, že některé korelace mezi položkami jsou negativní (druhá tabulka níže).

všechny položky extraverze jsou kódovány podobně: mají identické štítky s hodnotami, takže to není problém. Problém je v tom, že některé položky měří opak ostatních položek, jak je uvedeno níže.

řešením je jednoduše reverzní kód těchto „negativních položek“: tyto 2 položky PŘEKÓDUJEME a upravíme jejich štítky hodnot/proměnných pomocí níže uvedené syntaxe.

opětovné spuštění přesně stejné analýzy spolehlivosti jako předchozí nyní vede k cronbachově alfa = 0.857 pro extraversion subscale.

pojďme tedy pokračovat v subscale neuroticismu. Syntaxe níže spouští naši výchozí analýzu spolehlivosti na neur01 až neur05.

existuje příliš málo případů (N = 0) pro analýzu

Všimněte si, že náš poslední příkaz nevede k žádným užitečným tabulkám. Dostáváme pouze varování uvedené níže.

3 nejpravděpodobnější příčiny tohoto problému jsou, že

• jedna nebo více proměnných obsahuje pouze chybějící hodnoty;
• nesprávný filtr odfiltruje všechny případy v datech;
• chybějící hodnoty jsou rozptýleny po mnoha analytických proměnných.

velmi rychlý způsob, jak zjistit, je spuštění příkazu minimal DESCRIPTIVES jako indescriptives neur01 až neur05.Při tom se dozvídáme, že každá proměnná má n ≥ 67, ale platná N (listově) = 0.

takže to, co zde opravdu chceme, je použít párové vyloučení chybějících hodnot. Z nějakého hloupého důvodu to není zahrnuto v SPSS. Nicméně, dělat to ručně není tak těžké, jak se zdá.

Cronbachova Alfa s párovým vyloučením chybějících hodnot

začneme vzorcem pro cronbachovu alfa, který je

$$cronbach ‚ s\; \ alpha = \ frac{k^2 \overline{s_{xy}}} {\Sigma s^2_x + 2 \ Sigma S_{xy}}$$

kde

• \(k\) označuje počet položek;
• \(s_{xy}\) označuje kovarianci mezi každou dvojicí různých položek;
• \(s^2_x\) označuje rozptyl vzorku pro každou položku.

Všimněte si, že párová kovarianční matice obsahuje všechny statistiky používané tímto vzorcem. Lze jej snadno získat pomocí regresní syntaxe níže:

dále zkopírujeme výsledek do tohoto Googlesheetu. Konečně hrstka velmi jednoduchých vzorců nám říká, že α = 0,889.

nyní, jakou velikost vzorku bychom měli hlásit pro tuto subscale? Navrhuji, abyste zde dodržovali konvence pro párovou regresi a nahlásili nejmenší párovou Ncož má za následek N = 44 pro tuto analýzu. Opět si všimněte, že vzorec pro nalezení tohoto minima nad blokem buněk je naprosto jednoduchý.

APA hlášení Cronbachova alfa

níže uvedená tabulka ukazuje, jak hlásit cronbachovu alfa ve stylu APA pro všechny subškály.