• Articles
• admin

• Alpha de Cronbach – Définition rapide
• Sortie Alpha de Cronbach de SPSS
• Augmentez l’Alpha de Cronbach en Supprimant des éléments
• L’Alpha de Cronbach est Négatif
• Il y a aussi Peu de cas (N = 0) pour l’analyse
• APA Rapportant l’Alpha de Cronbach

Introduction

Une faculté de psychologie souhaite examiner la fiabilité d’un test de personnalité. Ils ont donc un échantillon de N = 90 étudiants le remplir. Les données ainsi recueillies sont en big-5.sav, en partie illustré ci-dessous.

Comme le suggèrent les noms de variables, notre test tente de mesurer les traits de personnalité des « big 5 ». Pour d’autres fichiers de données, une analyse factorielle est souvent utilisée pour déterminer quelles variables mesurent quelles sous-échelles.

De toute façon. Notre principale question de recherche est la suivante: quelles sont les fiabilités pour ces 5 sous-échelles indiquées par l’alpha de Cronbach? Mais tout d’abord: qu’est-ce que l’alpha de Cronbach de toute façon?

L’Alpha de Cronbach – Définition rapide

L’alpha de Cronbach est la mesure dans laquelle la somme de 2 (+)
variables mesure un seul trait sous-jacent.Plus précisément, l’alpha de Cronbach est la proportion de variance d’un tel score de somme qui peut être expliquée par un seul trait. Autrement dit, c’est la mesure dans laquelle un score de somme mesure de manière fiable quelque chose et (donc) la mesure dans laquelle un ensemble d’éléments mesure de manière cohérente « la même chose ».

L’alpha de Cronbach est donc connu comme une mesure de fiabilité ou de cohérence interne. Les règles empiriques les plus courantes sont que

• L’alpha de Cronbach ≥ 0,80 est bon et
• l’alpha de Cronbach ≈ 0,70 peut ou non être simplement acceptable.

Boîtes de dialogue de fiabilité SPSS

Dans SPSS, nous obtenons l’alpha de Cronbach à partir de l’analyse Échelle Analyse de fiabilité… comme indiqué ci-dessous.

Pour analyser la première sous-échelle, nous remplissons les boîtes de dialogue comme indiqué ci-dessous.

Cliquer sur Coller donne la syntaxe ci-dessous. Allons-y.

Sortie Alpha de SPSS Cronbach I

Pour plus de fiabilité, SPSS n’offre que l’exclusion par liste des valeurs manquantes: tous les résultats sont basés uniquement sur N = 85 cas ayant zéro valeur manquante sur nos 5 variables d’analyse ou « éléments ».
Alpha de Cronbach = 0,894. Vous pouvez généralement ignorer l’Alpha de Cronbach Basé sur des éléments standardisés: la standardisation des variables en scores z avant le calcul des scores d’échelle est rarement – voire jamais – effectuée.
Enfin, l’exclusion d’une variable d’une (sous) échelle peut augmenter l’Alpha de Cronbach. Ce n’est pas le cas dans ce tableau: pour chaque élément, l’Alpha de Cronbach si l’élément supprimé est inférieur à α = 0,894 sur la base des 5 éléments.

Nous allons maintenant exécuter exactement la même analyse pour notre deuxième sous-échelle, la conscience. Cela donne la syntaxe ci-dessous.

Augmentez l’Alpha de Cronbach en Supprimant les éléments

Pour la sous-échelle de conscience, l’alpha de Cronbach = 0,658, ce qui est assez pauvre. Cependant, notez que l’élément Alpha if de Cronbach Supprimé = 0,726 pour consc02 et consc04.

Étant donné que la suppression de l’un ou l’autre élément devrait entraîner α ≈0,726, nous ne savons pas lequel doit être supprimé en premier. Deux façons de le savoir sont

• en augmentant les décimales ou (mieux)
• en triant la table par sa dernière colonne.

Comme vous l’avez probablement vu, nous avons déjà fait les deux avec les commandes de MODIFICATION de SORTIE suivantes:

Il s’avère que la suppression de consc04 augmente alpha légèrement plus que consc02. La façon préférée de le faire est de simplement copier-coller la commande de FIABILITÉ précédente, d’en supprimer consc04 et de la relancer.

Après cela, l’alpha de Cronbach = 0,724. Ce n’est pas exactement le 0,726 prédit car la suppression de consc04 augmente la taille de l’échantillon à N = 84. Notez que nous pouvons encore augmenter α à 0,814 en supprimant également consc02. La syntaxe ci-dessous fait exactement cela.

Notez que l’alpha de Cronbach = 0,814 si nous calculons notre sous-échelle de conscience comme la somme ou la moyenne sur consc01, consc03 et consc05. Puisque c’est bien, nous en avons fini avec cette sous-échelle.

Passons à la sous-échelle suivante : extraversion. Nous le faisons en exécutant exactement la même analyse sur extra01 à extra05, ce qui donne la syntaxe ci-dessous.

L’Alpha de Cronbach est négatif

Comme indiqué ci-dessous, l’alpha de Cronbach = -0,663 pour la sous-échelle d’extraversion. Cela implique que certaines corrélations entre les éléments sont négatives (deuxième tableau, ci-dessous).

Tous les éléments extraversion sont codés de la même manière: ils ont des étiquettes de valeur identiques, ce n’est donc pas le problème. Le problème est que certains éléments mesurent le contraire des autres éléments comme indiqué ci-dessous.

La solution consiste simplement à inverser le code de ces « éléments négatifs »: nous RECODONS ces 2 éléments et ajustons leurs étiquettes de valeur / variable avec la syntaxe ci-dessous.

Réexécuter exactement la même analyse de fiabilité que la précédente donne maintenant l’alpha de Cronbach = 0,857 pour la sous-échelle d’extraversion.

Passons donc à la sous-échelle du névrotisme. La syntaxe ci-dessous exécute notre analyse de fiabilité par défaut sur neur01 à neur05.

Il y a trop peu de cas (N = 0) pour l’analyse

Notez que notre dernière commande n’entraîne aucune table utile. Nous ne recevons que l’avertissement ci-dessous.

Les 3 causes les plus probables de ce problème sont que

• une ou plusieurs variables ne contient que des valeurs manquantes;
• un FILTRE incorrect filtre tous les cas dans les données;
• les valeurs manquantes sont dispersées sur de nombreuses variables d’analyse.

Un moyen très rapide de le savoir consiste à exécuter une commande DESCRIPTIVES minimales en tant qu’indescriptives neur01 à neur05.Ce faisant, nous apprenons que chaque variable a N ≥ 67 mais valide N (listwise) = 0.

Donc, ce que nous voulons vraiment ici, c’est utiliser l’exclusion par paires des valeurs manquantes. Pour une raison stupide, ce n’est pas inclus dans SPSS. Cependant, le faire manuellement n’est pas aussi difficile qu’il n’y paraît.

Alpha de Cronbach avec Exclusion par paire des Valeurs manquantes

Nous allons commencer par la formule de l’alpha de Cronbach, qui est

$$Cronbach’s\;\alpha =\frac{k^2\overline{S_{xy}}}{\Sigma S^2_x +2\Sigma S_{xy}}$$

où

• \( k\) indique le nombre d’éléments;
• \(S_{xy}\) indique la covariance entre chaque paire d’éléments différents;
• \(S^2_x\) indique la variance de l’échantillon pour chaque élément.

Notez qu’une matrice de covariance par paires contient toutes les statistiques utilisées par cette formule. Il est facilement obtenu via la syntaxe de régression ci-dessous:

Ensuite, nous copions le résultat dans cette feuille de Google. Enfin, une poignée de formules très simples nous disent que α = 0,889.

Maintenant, quelle taille d’échantillon devons-nous déclarer pour cette sous-échelle? Je vous propose de suivre les conventions de régression par paire ici et de rapporter le plus petit par paire N, Ce qui donne N = 44 pour cette analyse. Encore une fois, notez que la formule pour trouver ce minimum sur un bloc de cellules est tout à fait simple.

Rapport APA Alpha de Cronbach

Le tableau ci-dessous montre comment rapporter l’alpha de Cronbach dans le style APA pour toutes les sous-échelles.