• Articles
• admin

• Cronbachs Alpha – Quick Definition
• SPSS Cronbachs Alpha Output
• öka Cronbachs Alpha genom att ta bort objekt
• Cronbachs Alpha är negativ
• det finns också få fall (n = 0) för analysen
• apa rapportering Cronbachs alfa

introduktion

en psykologfakultet vill undersöka tillförlitligheten hos ett personlighetstest. De har därför ett urval av N = 90 studenter fyller i det. De data som sålunda samlats in är i big-5.sav, delvis visas nedan.

som föreslagits av variabelnamnen försöker vårt test att mäta ”big 5” personlighetsdrag. För andra datafiler används ofta en faktoranalys för att ta reda på vilka variabler som mäter vilka underskalor.

hur som helst. Vår huvudsakliga forskningsfråga är: vilka är tillförlitligheten för dessa 5 subscalesas som indikeras av Cronbachs alfa? Men först och främst: vad är Cronbachs alfa ändå?

Cronbachs Alfa-Snabbdefinition

Cronbach s alfa är i vilken utsträckning summan över 2(+)
variabler mäter ett enda underliggande drag.Mer exakt är Cronbachs alfa andelen varians av en sådan summa poäng som kan redovisas av ett enda drag. Det vill säga det är i vilken utsträckning en summa poäng tillförlitligt mäter något och (således) i vilken utsträckning en uppsättning objekt konsekvent mäter ”samma sak”.

Cronbachs alfa är därför känt som ett mått på tillförlitlighet eller intern konsistens. De vanligaste tumreglerna för det är att

• Cronbachs alfa-0,80 är bra och
• Cronbachs alfa-0,70 kan eller kanske inte bara är acceptabelt.

SPSS Tillförlitlighetsdialogrutor

i SPSS får vi Cronbachs alfa från Analyze skala tillförlitlighetsanalys… som visas nedan.

för att analysera den första subscale, agreeableness, fyller vi i dialogrutorna som visas nedan.

klicka på Klistra in resulterar i syntaxen nedan. Vi kör det.

SPSS Cronbachs Alfautgång i

för tillförlitlighet erbjuder SPSS endast listvis uteslutning av saknade värden: alla resultat baseras endast på N = 85 fall med noll saknade värden på våra 5 analysvariabler eller”objekt”.
Cronbachs alfa = 0,894. Du kan vanligtvis ignorera Cronbachs Alfa baserat på standardiserade objekt: standardisering av variabler i z-poäng före beräkning av scale-poäng är sällan – om någonsin-gjort.
slutligen, exklusive en variabel från en (sub)skala kan öka Cronbachs Alfa. Det är inte fallet i den här tabellen: för varje objekt är Cronbachs Alpha if-objekt borttaget lägre än 0,894 för varje objekt baserat på alla 5 objekt.

vi ska nu köra exakt samma analys för vår andra subscale, samvetsgrannhet. Detta resulterar i syntaxen nedan.

öka Cronbachs Alfa genom att ta bort objekt

för samvetsgrannhet subscale, Cronbachs alpha = 0.658, vilket är ganska dåligt. Observera dock att Cronbachs Alpha if-objekt raderade = 0.726 för både consc02 och consc04.

eftersom borttagning av något objekt ska resultera i 0.726, är vi inte säkra på vilka som ska tas bort först. Två sätt att ta reda på är

• öka decimalerna eller (bättre)
• sortera tabellen efter sin sista kolumn.

som du säkert såg gjorde vi redan båda med följande UTMATNINGSKOMMANDON:

det visar sig att borttagning av consc04 ökar alfa något mer än consc02. Det bästa sättet att göra det är att helt enkelt kopiera och klistra in det tidigare PÅLITLIGHETSKOMMANDOT, ta bort consc04 från det och kör det igen.

efter att ha gjort det, Cronbachs alfa = 0.724. Det är inte exakt den förutsagda 0.726 eftersom borttagning av consc04 ökar provstorleken till N = 84. Observera att vi kan öka antalet ytterligare till 0,814 genom att ta bort consc02 också. Syntaxen nedan gör just det.

Observera att Cronbachs alfa = 0.814 om vi beräknar vår samvetsgrannhet som summan eller medelvärdet över consc01, consc03 och consc05. Eftersom det är bra är vi klara med den här underskalan.

Låt oss fortsätta med nästa delskala: extraversion. Vi gör det genom att köra exakt samma analys på extra01 till extra05, vilket resulterar i syntaxen nedan.

Cronbachs Alfa är negativ

som visas nedan, Cronbachs alfa = -0.663 för extraversion subscale. Detta innebär att vissa korrelationer mellan objekt är negativa (andra tabellen nedan).

alla extraversionsobjekt är kodade på samma sätt: de har identiska värdeetiketter så det är inte problemet. Problemet är att vissa objekt mäter motsatsen till de andra objekten som visas nedan.

lösningen är att helt enkelt vända kod sådana ”negativa objekt”: vi kodar om dessa 2 objekt och justerar deras värde/variabla etiketter med syntaxen nedan.

återkörning av exakt samma tillförlitlighetsanalys som tidigare resulterar nu i Cronbachs alpha = 0.857 för extraversion-underskalan.

så låt oss fortsätta med neuroticism subscale. Syntaxen nedan kör vår standard tillförlitlighet analys på neur01 till neur05.

det finns för få fall (N = 0) för analysen

Observera att vårt sista kommando inte resulterar i några användbara tabeller. Vi får bara varningen som visas nedan.

de 3 mest troliga orsakerna till detta problem är att

• en eller flera variabler innehåller endast saknade värden;
• ett felaktigt FILTER filtrerar bort alla fall i data;
• saknade värden är utspridda över många analysvariabler.

ett mycket snabbt sätt att ta reda på är att köra ett minimalt beskrivande kommando som indescriptives neur01 till neur05.När vi gör det lär vi oss att varje variabel har n 67 men giltig n (listvis) = 0.

så vad vi verkligen vill ha här är att använda parvis uteslutning av saknade värden. Av någon dum anledning ingår det inte i SPSS. Att göra det manuellt är dock inte så svårt som det verkar.

Cronbachs Alfa med parvis uteslutning av saknade värden

vi börjar med formeln för Cronbachs alfa, som är

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

där

• \(k\) anger antalet objekt;
• \(s_{xy}\) anger kovariansen mellan varje par olika objekt;
• \(s^2_x\) anger provvariansen för varje objekt.

Observera att en parvis kovariansmatris innehåller all statistik som används av denna formel. Det erhålls enkelt via regressionssyntaxen nedan:

därefter kopierar vi resultatet till detta Googlesheet. Slutligen berättar en handfull mycket enkla formler att 0,889 = 0,889.

nu, vilken provstorlek ska vi rapportera för denna underskala? Jag föreslår att du följer konventionerna för parvis regression här och rapporterar den minsta parvis Nvilket resulterar i N = 44 för denna analys. Återigen, notera att formeln för att hitta detta minimum över ett block av celler är helt enkelt.

APA rapportering Cronbachs Alfa

tabellen nedan visar hur man rapporterar Cronbachs alfa i APA-stil för alla underskalor.