Конфіденційність та файли cookie

Цей сайт використовує файли cookie. Продовжуючи, ви погоджуєтесь на їх використання. Отримати більше інформації; наприклад, про те, як керувати файлами cookie.

надійність

Шановні всі, ласкаво просимо до нового випуску статистики SOS, сподіваюся, у вас все добре.

У сьогоднішній пригоді ми повинні мати велику впевненість у собі та своїх даних:). Сьогоднішня публікація намагається побачити, наскільки надійними є наші дані. Іншими словами, подивіться, чи є у людей відповів, відповідаючи або якщо вони зробили це свідомо. Ще одне питання, яке допомагає нам із надійністю, - це приблизно знати, як працює наша анкета.

У цьому випадку виклик нашої пригоди полягає в можливості вирішити питання надійності та потужності опишіть це просто.

То що таке надійність? Статистична надійність - це коли результати аналізу вони можуть відтворювати в різних зразках. Іншими словами, вони є послідовними. Коли аналізується анкета, домагаються її надійності та внутрішньої узгодженості. Перше означає, що це анкета може ефективно і без великих упереджень представляти думки людей. Крім того, ці думки можуть відтворити ще раз за тією ж анкетою.

Відмінно! Тепер ми переходимо до наступного, внутрішня послідовність. Як говорить сама назва, воно посилається всередині анкети. Іншими словами, бали кожне питання анкети бути послідовний із загальним балом всю анкету. Але зараз ти скажеш мені, як, блін, ми отримуємо загальний бал за весь тест? Дуже легко, збірник усіх анкетних запитань дозволяє отримати загальний бал. Є кілька способів отримати це, але я не буду торкатися цього тут, ті, хто зацікавлений у цьому, завжди можуть перейти до частини коментарів:).

Отже, сказавши, що в цій пригоді ми конкретно побачимо техніку отримання надійність або надійність що було б аналіз за внутрішньою послідовністю, що є альфою Кронбаха. Але важливо згадати, що існують інші способи розрахунку надійності, такі як техніка половин, тест-повторний тест тощо.

Око, вії та брови (1): Аналіз узгодженості добре працює з питаннями, які мають a Шкала відповіді типу Лікерта. Шкала Лайкерта - це класична шкала відповіді, яка має, наприклад, значення від 1 - 7, де 1 - "Ніколи", 2 "Іноді", до 7, що буде "Завжди". Альфа Кронбаха погано працює зі шкалами, які мають значення так і ні (два варіанти відповіді). Для цього існують інші статистичні методи (Sijtsma, 2009).

Ідеально! Замість того, щоб говорити так багато, я думаю, що найкраще, що ми могли б зробити, це перейти до прикладу:). Уявіть, що ми хочемо знати рівень стресу у групи працівників відразу після закінчення місячної роботи, коли робоче навантаження дуже велике. Для цього ми використовуємо опитувальник на 33 запитання щодо симптомів стресу, які мають варіанти відповіді від 1 до 5, де 1 - „Ніколи”, а 5 - „Завжди”.

Ми попросили компанію дати нам час провести опитування серед 250 працівників, щоб з’ясувати їх симптоми стресу. Однак менеджер каже нам бути обережними, оскільки на цьому робочому місці люди, як правило, недооцінюють рівень свого стресу, і багато з них не погоджуються з тим, що вони відчувають себе дуже напруженими і мають симптоми стресу.

Тим не менш, ми напоготові і знаємо, що з цим слід бути особливо обережними. Дуже добре, ми взяли анкету для стресу у робітників, ввели всю інформацію в комп’ютер і підемо!

Для нашої подорожі необхідно дотримуватися наступного маршруту:

Аналіз/Масштаб/Аналіз надійності /

У цьому вікні необхідно ввести Статистика, і натисніть (прокол), щоб позначити поле, в якому написано "Масштабувати, якщо елемент вилучено", після цього Продовжуйте.

Чудово! Ми вже в середині процесу, тепер давайте закриємо цю частину. Після цього ми повинні поставити елементів це будуть усі пункти або питання тесту, які вони хочуть проаналізувати. Прийняти.

Дуже добре! Якщо вам потрібна кава, чай або ромашка, це ідеальний час! (Через 5 хвилин). (Барабани, щоб надати ритм аналізу наших результатів).

Ця перша таблиця говорить нам про наші Альфа генерала Кронбаха. Що, біса, означає це число? Дуже легко! В основі цього лежить кореляція, а також кореляція Пірсона, яку ми вже знаємо (див. Пост). Єдина різниця з кореляцією полягає в тому, що можливі значення - 0 - 1. Якщо вони отримають Альфа Кронбаха негативний дуже ймовірно, що є помилка у позначенні анкет.

По суті, цей статистик пропонує нам таке: Ми пройшли тест 250 робітників, так? Тепер припустимо, що ми випадковим чином обираємо іншу групу з 250 працівників і проходимо той самий тест. Після цього тестові бали наших працівників співвідносяться з цією "фіктивною", а точніше "очікуваною" групою балів. І ось, мої сміливі шукачі пригод виходять з Альфи Кронбаха. Заплутався? Не хвилюйся! Ми постійно це бачимо.

У цьому випадку альфа нашого Кронбаха повинна бути високою, оскільки вона показує, що між цими двома групами існує міцний взаємозв'язок, що, в свою чергу, свідчить про наявність узгодженості, оскільки ті самі бали нашого стрес-тесту можуть бути відтворені з цією іншою групою. очікуваний.

У цьому випадку наша альфа Кронбаха дорівнює .933, що показує досить гарну альфу Кронбаха. Деякі автори показують що значення, більші за .70, є достатніми і що менше цього може бути складним (George & Mallery, 2003; Gliem & Gliem, 2003). У такому випадку їдемо! Дуже добре!

А тепер хороші новини, що це за величезна таблиця з багатьма цифрами?! Просто, це короткий виклад наших 33 питань щодо симптомів стресу. Нічого більше і нічого менше. Тим, хто все ще трохи нервує за цим столом, не біда, (тут розслаблююча музика для заспокоєння духу).

Хоча тут є 4 колонки, найважливішими для нас є останні два праворуч. Перший повідомляє нам співвідношення предмет-тест. Що це? Це співвідношення балів кожного питання із загальними балами всього тесту. Але в цьому випадку значення можуть переходити від -1 до 1. Але те, що ми шукаємо, це те, що всі цінності позитивні. Знову ж таки, як і «Альфа» Кронбаха, бали повинні бути високими. У цьому випадку класичним емпіричним правилом є те, що значення повинні бути більше, ніж .40 (Gliem & Gliem, 2003). Однак це дуже спірно, оскільки можна знайти інші правила пальців із нижчими значеннями.

У нашому випадку ми можемо бачити, що переважна більшість питань добре працює, за винятком: 8, 12, 14 і 33. Ми знаємо це, оскільки співвідношення між тестом і тестом менше, ніж .40. Іншими словами, оцінки за ці предмети не суттєво пов'язані із загальним балом тесту. Зазвичай, коли це трапляється, логікою було б видалити з аналізу елементи, які не працюють добре.

Але не так швидко! Зупинимо машину! Перш ніж це зробити, вам потрібно переглянути останній стовпець праворуч, це „Альфа Кронбаха, якщо елемент буде вилучено”. Тут, як випливає з назви, це показує нам, наскільки зросла б наша альфа Кронбаха, якби ми вилучили предмет (питання) з нашого аналізу. Якщо ми заглянемо в стовпець, якщо ми видалимо елементи 8, 12 і 14, Альфа Кронбаха нічого не підніме або навряд чи піде вгору на одну точку, тоді не варто видаляти ці елементи.

З іншого боку, якщо ми вилучимо елемент 33 (який має кореляцію тесту елемента .078), тут в альфі Кронбаха відбулася 3-бальна зміна. Тому було б доцільно виключити цей предмет із нашої шкали стресу.

Як виймається предмет? Дуже просто, вся пригода повторюється з тією лише різницею, що цього разу ми не включаємо питання 33 і все (ось авантюрна мелодія 80-х).

Око, вії та брови (2): Альфа Кронбаха за замовчуванням припускає Одновимірність. Уні ... що? Це означає, що це означає, що всі питання, які ми ставимо під час аналізу, генерують унікальний загальний бал. Якщо у них є анкети, що мають різні сфери чи теми. Наприклад, 5 предметів вимірюють самооцінку, 6 предметів - особистість тощо. Краще використовувати альфу Кронбаха, розділяючи кожну з областей.

Дуже добре! Думаю, це були б усі мої сміливі читачі, ми здійснили подвиг! Вітаю вас за це! Пам'ятайте, що якщо у вас виникнуть запитання, ви завжди можете перейти до розділу коментарів. Радий, що зможу відповісти вам і дізнатись більше про вас. Останнє одне око, кінець.

Око, вії та брови (3): Хоча Альфа Кронбаха була показана як окрема пригода, загалом, поки ми робимо висновки (див. Пост), все, що ми бачили у статистиці SOS, завжди важливо перед аналізом внутрішньої узгодженості наших даних. Чому? тому що в іншому випадку ми аналізуємо дані і робимо висновок на основі даних, що вони не є надійними.

Ідеально! Для наступної пригоди ми повернемось до наших улюблених регресій і уважніше їх розглянемо. Іншими словами, ми увійдемо в джунглі Росії помірність та статистичне посередництво.

Сподіваюсь, усі пережили чудову пригоду, завжди дуже приємно мати можливість зіткнутися з цими пригодами разом з вами.

Хороших вібрацій для всіх!

Джордж, Д., і Маллері, П. (2003). SPSS для Windows крок за кроком: просте керівництво та довідка. Оновлення 11.0 (4-е видання). Бостон: Allyn & Bacon.

Gliem, J & Gliem, R. (2003). Розрахунок, інтерпретація та звітування коефіцієнта альфа-надійності Кронбаха для шкал типу Лікерта. Конференція з освіти дорослих, безперервної та громадської освіти. Дослідження на Середньому Заході на практиці.

Сіхцма, К. (2009). Що стосується використання, неправильного використання та дуже обмеженої альфи Кронбаха. Психометрика, 74 (1) 107-120. DOI: 10.1007/S11336-008-9101-0