크론바흐의 알파
- 크론바흐의 알파-빠른 정의
- 크론바흐의 알파 출력
- 항목을 제거하여 크론바흐의 알파 증가
- 크론바흐의 알파는 음수
- 보고 크론바흐의 알파
소개
심리학 교수진이 성격 검사의 신뢰성을 조사하고자 한다. 따라서 학생들은 90 명의 학생들이 그것을 채 웁니다. 이렇게 수집 된 데이터는 빅 5 에 있습니다.사브,부분적으로 아래 그림.
변수 이름에 의해 제안 된 바와 같이,우리의 테스트는”빅 5″성격 특성을 측정하려고 시도합니다. 다른 데이터 파일의 경우 요인 분석은 종종 어떤 변수가 어떤 하위 척도를 측정하는지 찾는 데 사용됩니다.
어쨌든. 우리의 주요 연구 질문은:크론 바흐의 알파에 의해 표시되는이 5 개의 하위 점수에 대한 신뢰성은 무엇입니까? 하지만 먼저:어쨌든 크론바흐의 알파는 무엇입니까?
크론바흐의 알파-빠른 정의
크론바흐의 알파는 2(+)
변수에 대한 합이 하나의 기본 특성을 측정하는 정도입니다.더 정확하게,크론바흐의 알파는 단일 특성에 의해 설명 될 수있는 그러한 합계 점수의 분산의 비율입니다. 즉,합계 점수가 무언가를 안정적으로 측정하는 정도이며(따라서)일련의 항목이 일관되게”동일한 것”을 측정하는 정도입니다.
따라서 크론바흐의 알파는 신뢰성 또는 내부 일관성의 척도로 알려져 있습니다. 그것에 대한 엄지 손가락의 가장 일반적인 규칙은
- 크론바흐의 알파 0.80 이 좋고
- 크론바흐의 알파 0.70 이 단지 받아 들일 수도 있고 그렇지 않을 수도 있다는 것입니다.우리는 크론바흐의 알파를 분석(9047)에서 분석(1427)(1427)(1427)(1427)(1427)(1427)(1427)(1427)(1427.. 아래 그림과 같이.
첫 번째 하위 척도 분석을 위해 다음과 같이 대화 상자를 작성합니다.
붙여넣기를 클릭하면 아래 구문이 나타납니다. 그것을 실행하자.
*크론바흐 쾌적함.이 경우,이 예제에서는 다음과 같은 방법을 사용할 수 있습니다.:::::::::::::::SPSS cronbach 의 알파 출력 I
에 대한 신뢰도,SPSS 만 제공합 목록별 제외의 누락된 값: 모든 결과는 엔=85 개의 분석 변수 또는”항목”에 대해 누락 된 값이 0 인 경우.
크론바흐의 알파=0.894. 일반적으로 표준화 된 항목을 기반으로 크론바흐의 알파를 무시할 수 있습니다.
마지막으로,(하위)척도에서 변수를 제외하면 크론 바흐의 알파가 증가 할 수 있습니다. 이 표에서는 그렇지 않습니다.각 항목에 대해 삭제 된 항목이 5 개 항목 모두를 기반으로 0.894=0.894 보다 낮 으면 크론바흐의 알파입니다.이제 두 번째 하위 척도 인 양심에 대해 동일한 분석을 실행할 것입니다. 이렇게 하면 아래 구문이 생성됩니다.
*크론바흐 양심.2015 년 11 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년항목을 제거하여 크론바흐의 알파를 늘리십시오 양심적 하위 척도 인 크론바흐의 알파=0.658 은 매우 좋지 않습니다. 그러나 항목이 삭제 된 경우 크론바흐의 알파=징집병 02 와 징집병 04 모두에 대해 0.726 입니다.
항목을 삭제하면 두 항목 중 하나를 제거하면 0.726 이 발생하므로 어떤 항목을 먼저 제거해야하는지 확실하지 않습니다. 찾는 두 가지 방법은
- 소수 자릿수를 늘리거나(더 나은)
- 테이블을 마지막 열로 정렬하는 것입니다.
당신은 아마 보았 듯이,우리는 이미 다음과 같은 출력 수정 명령을 모두했다:
*항목이 삭제 된 경우 크론바흐의 알파 소수점 이하 자릿수를 늘립니다.테이블 셀은 테이블 셀의 형식을 선택합니다.
*항목 정렬-항목이 삭제 된 경우 크론바흐의 알파로 총 통계.예를 들어,테이블 정렬이 삭제 된 경우 해당 테이블 정렬이 삭제 된 경우 해당 테이블 정렬이 삭제 된 경우 해당 테이블 정렬이 삭제 된 경우 해당 테이블 정렬이 삭제 된 경우 해당 테이블 정렬이 삭제 된 경우 해당 테이블 정렬이 삭제 된 경우 해당 테이블 정렬이 삭제 된 경우 해당 테이블 정렬이 삭제 된 경우 해당 테이블 정렬이 삭제 된 경우 해당 테이블 정렬이 삭제 된 경우 해당 테이블 정렬이 취소됩니다.징집병 04 를 제거하면 징집병 02 보다 알파가 약간 증가한다는 것이 밝혀졌습니다. 이 작업을 수행하는 가장 좋은 방법은 단순히 이전 신뢰성 명령을 복사하여 붙여 넣고 징집기를 제거한 다음 다시 실행하는 것입니다.
*징집병 제거 04.또한,이 두 가지 주요 기능 중 하나는 다음과 같습니다.:::::::::::::::그렇게 한 후,크론바흐의 알파=0.724. 징집병 04 를 제거하면 표본 크기가 엔=84 로 증가하기 때문에 정확히 예측 된 0.726 이 아닙니다. 우리는 징집병 02 를 제거함으로써 0.814 까지 더 늘릴 수 있습니다. 아래의 구문은 그냥 않습니다.
*징집병 제거 02.그러나,이 경우,이 경우,상기 제 1 차 세계대전 이후,제 2 차 세계대전 이후,제 2 차 세계대전 이후,제 2 차 세계대전 이후,제 2 차 세계대전 이후,제 2 차 세계대전 이후,제 2 차 세계대전 이후,제 2 차 세계대전 이후,제 2 차 세계대전 이후,제 2 차 세계대전 이후,제 2 차 세계대전 이후,제 2 차 세계대전 이후,제 2 차 세계대전 이후,제 2 차 세계대전 이후,제 2 차 세계대전 이후,제 2 차 세계대전 이후,제 2 차 세계대전 이후,크론 바흐의 알파=0.814 우리가 양심적 하위 척도를 징집 01,징집 03 및 징집 05 에 대한 합계 또는 평균으로 계산하면. 그 괜찮아요 때문에,우리는이 하위 척도로 완료됩니다.
다음 하위 척도 인 외향성으로 진행합시다. 추가 01 에서 추가 05 까지 동일한 분석을 실행하면 아래 구문이 생성됩니다.
*크론바흐 외향성.
신뢰성
/변수=extra01extra02extra03extra04extra05
/확장(‘외’)모든
/모델=ALPHA
/통계=CORR
/요약=니다.크론바흐의 알파는 아래 그림과 같이 음수
이며,외향성 하위 척도에 대해서는 크론바흐의 알파=-0.663 입니다. 이는 항목 간의 일부 상관 관계가 음수임을 의미합니다(아래 두 번째 표).모든 외향성 항목은 유사하게 코딩됩니다. 문제는 일부 항목이 아래 그림과 같이 다른 항목의 반대를 측정한다는 것입니다.이 두 항목을 다시 코딩하고 아래 구문을 사용하여 값/변수 레이블을 조정합니다.
*역 코드 추가 01 및 추가 02.
코드 추가 01 추가 02(1.0 = 5.0)(2.0 = 4.0)(3.0 = 3.0)(4.0 = 2.0)(5.0 = 1.0).
실행.
값 레이블
/추가 01 5.0’매우 동의하지 않음’4.0’약간 동의하지 않음’3.0’동의하지 않음’2.0’약간 동의함’1.0’강하게 동의함’6’대답이 없음’
/추가 02 5.0’매우 동의하지 않음’4.0’약간 동의하지 않음’3.0’동의하지 않음’2.0’약간 동의함’1.0’강하게 동의함’6’대답이 없음’
/추가 02 5.0’매우 동의하지 않음’4.0’약간 동의하지 않음’3.0′
변수 레이블
엑스트라 01’은 조용한 경향이 있습니다(아르 자형)’
엑스트라 02’는 때때로 수줍어하고 억제됩니다(아르 자형)’.이전과 동일한 신뢰성 분석을 다시 실행하면 외향성 하위 척도에 대한 크론바흐의 알파=0.857 이 생성됩니다.
신경증 하위 척도로 진행합시다. 아래 구문은 뉴 01 에서 뉴 05 까지의 기본 신뢰성 분석을 실행합니다.
*크론바흐 신경증.이 경우,”모든 변수”는”모든 변수”와”모든 변수”로 구분되며,”모든 변수”는”모든 변수”와”모든 변수”로 구분되며”모든 변수”는”모든 변수”와”모든 변수”로 구분되며”모든 변수”는”모든 변수”와”모든 변수”로 구분되며”모든 변수”는”모든 변수”와”모든 변수”로 구분되며”모든 변수”는”모든 변수”와”모든 변수”로 구분되며”모든 변수”는”모든 변수”와”모든 변수”로 구분되며”모든 변수”는”모든 변수”와”모든 변수”로 구분되며”모든 변수”는분석에 너무 적은 경우가 있습니다. 우리는 아래에 표시된 경고 만받습니다.이 문제의 가장 큰 원인은
- 하나 이상의 변수에 결측값만 포함되어 있기 때문입니다.
- 잘못된 필터는 데이터의 모든 사례를 걸러냅니다.
- 결측값은 수많은 분석 변수에 흩어져 있습니다.
알 수있는 매우 빠른 방법은 최소 설명자 명령을 설명자 뉴 01 에서 뉴 05 로 실행하는 것입니다.그렇게 할 때,우리는 각 변수가 엔 67 하지만 유효한 엔(목록 기준)=0.그래서 우리가 정말로 원하는 것은 누락 된 값의 쌍별 배제를 사용하는 것입니다. 어떤 바보 같은 이유로,그것은 사기에 포함되어 있지 않습니다. 그러나 수동으로 수행하는 것은 보이는 것처럼 어렵지 않습니다.
우리는 크론바흐의 알파에 대한 공식으로 시작합니다.}}$$
어디
- \(각 항목의 각 쌍 간의 공분산을 나타냅니다.
- \(에스^2_엑스\)각 항목에 대한 표본 분산을 나타냅니다.
쌍별 공분산 행렬에는 이 공식에 사용되는 모든 통계가 포함되어 있습니다. 아래의 회귀 구문을 통해 쉽게 얻을 수 있습니다:
*뉴런 05 를 통해 뉴런 01 에 대한 공분산 행렬을 계산합니다.2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일다음으로 결과를 이 구글 시트에 복사합니다. 마지막으로,아주 간단한 수식의 소수는 우리에게 그 2019=0.889 를 알려줍니다.
이제 이 하위 척도에 대해 어떤 표본 크기를 보고해야 합니까? 나는 당신이 쌍 회귀 분석에 대한 규칙을 따르고 가장 작은 쌍으로보고 할 것을 제안합니다.이 분석을 위해 엔=44 가 발생합니다. 다시 말하지만,셀 블록에서이 최소값을 찾는 공식은 완전히 간단합니다.크론바흐의 알파 보고
아래 표는 모든 하위 규모에 대해 크론바흐의 알파를 보고하는 방법을 보여줍니다.
