työn imu on Alfa Peruskäsitteet
Yksi ongelma split-half menetelmä on, että luotettavuus arvio saadaan käyttämällä satunnaisia split kohteita on todennäköisesti eroavat, että saatu käyttää toista. Yksi ratkaisu tähän ongelmaan on laskea Spearman-Brown korjata split-half-reliabiliteetti-kertoimen jokaista mahdollista jakaa-puolikkaat ja sitten löytää tarkoita niitä kertoimia. Tämä motivoi Cronbachin alfaa.,
työn imu alfa on parempi Kuder ja Richardson Formula 20 koska sitä voidaan käyttää jatkuva ja ei-dikotominen tiedot. Sitä voidaan käyttää erityisesti osittaisen luoton testaamiseen ja Likertin asteikon mukaisiin kyselylomakkeisiin.
Määritelmä 1: Koska muuttujan x1, …, xk ja x0 = 
Ominaisuus 1: Olkoon xj = tj + ej jossa jokainen ej on riippumaton tj ja kaikki ej ovat riippumattomia toisistaan., Myös anna x0 = 
Tässä meillä tarkastella xj kuin mitatut arvot, tj, koska todellisia arvoja ja ej kuin mittausvirhe arvoja. Klikkaa tästä todisteeksi ominaisuus 1.
Huomautus: työn imu on alpha tarjoaa hyödyllisiä alaraja luotettavuus (kuten nähdään Omaisuus 1). Cronbachin alfa yleensä kasvaa, kun korrelaatiot kohteiden välillä kasvavat., Tästä syystä kerroin mittaa testin sisäistä johdonmukaisuutta. Sen maksimi arvo on 1, ja yleensä sen minimi on 0, vaikka se voi olla negatiivinen (ks.alla).
yleisesti hyväksytty nyrkkisääntö on, että alfa 0,7 (jotkut sanovat 0.6) osoittaa hyväksyttävä luotettavuus ja 0,8 tai korkeampi osoittaa, hyvä luotettavuus. Erittäin korkea luotettavuus (0,95 tai uudempi) ei välttämättä ole toivottavaa, koska tämä osoittaa, että kohteet voivat olla täysin tarpeeton. Nämä ovat vain ohjeita ja cronbachin alfan todellinen arvo riippuu monista asioista. Esim., kun kohteiden määrä kasvaa, Cronbachin alfa pyrkii kasvamaan myös ilman sisäisen johdonmukaisuuden kasvua.
tavoite suunnittelussa luotettava väline on tulokset vastaavat tuotteet, jotka liittyvät (sisäisesti johdonmukainen), mutta kukin osaltaan joitakin ainutlaatuinen tiedot samoin.
Huomautus: On olemassa useita syitä, miksi työn imu on alfa voi olla alhainen tai jopa negatiivinen, jopa täysin pätevä testi. Kaksi tällaista syytä ovat Käänteinen koodaus ja useita tekijöitä.,
Käänteinen koodaus: Oletetaan, että sinulla käyttää Likert-asteikkoa 1-7, jossa 1 tarkoittaa täysin eri mieltä ja 7 tarkoittaa täysin samaa mieltä. Oletetaan kaksi kysymyksiä ovat: Q1:” pidän pizza ”ja Q20:”En pidä pizza”. Näissä kysymyksissä kysytään samaa, mutta päinvastaisella sanamuodolla. Jotta voit soveltaa Cronbach alpha oikein, sinun täytyy kääntää pisteytys tahansa negatiivisesti fraseerattu kysymys, Q20 esimerkissämme. Näin ollen, jos vastaus Q20 on sanoa 2, sen on oltava sijoitettiin 6 sijasta 2 (eli 8 miinus kirjataan pisteet).,
useita tekijöitä: Cronbachin alfa on hyödyllinen, jos kaikki kysymykset testaavat enemmän tai vähemmän samaa asiaa, jota kutsutaan ”tekijäksi”. Jos on olemassa useita tekijöitä, sinun täytyy selvittää, mitkä kysymykset testaavat mitkä tekijät. Jos sanovat, on 3 tekijät (esim. onni kanssa työsi, onnea teidän avioliitto ja onnea itsesi kanssa), sitten sinun täytyy jakaa kysely/testi kolme kokeet, joista toinen sisältää kysymyksiä, testaus tekijä 1, yksi kysymyksistä, testaus tekijä 2 ja kolmas kysymyksiin testaus tekijä 3., Sen jälkeen lasketaan cronbachin alfa jokaiselle kolmelle testille. Prosessia, jossa nämä ”piilotetut” tekijät määritetään ja testi jaetaan kertoimella, kutsutaan Tekijäanalyysiksi (KS.tekijäanalyysi).
Esimerkki 1: Laske työn imu on alfa tiedot Esimerkki 1 Kuder ja Richardson Formula 20 (toistuva Kuva 1 alla).,
Kuva 1 – työn imu on Alfa Esimerkiksi 1
laskentataulukko Kuvassa 1 on hyvin samanlainen laskentataulukko Kuva 1 Kuder ja Richardson Formula 20. Rivi 17 sisältää kunkin kysymyksen varianssin. Esimerkiksi kysymyksen 1 varianssi (solu B17) lasketaan kaavalla =VARP(B4:B15). Muita keskeisiä kaavoja, joita käytetään laskettaessa Cronbachin alfa kuvassa 1, kuvataan kuvassa 2.,
Kuva 2 – Avain kaavoja laskentataulukon Kuvassa 1
näemme soluun B22, että työn imu on alfa on .73082, sama kuin KR20 luotettavuus lasketaan Esimerkiksi 1 Kuder ja Richardson Formula 20.
Huomautus: Jos varianssit xj vaihtelevat suuresti, xj voivat olla standardoituja, jotta saadaan keskihajonta 1 ennen laskettaessa työn imu on alfa.,
Huomautus: Voit määrittää, miten kunkin kysymyksen testi vaikutukset luotettavuus, työn imu on alfa voidaan laskea sen jälkeen, kun poistamalla i-muuttuja kullekin i ≤ k. Näin ollen testi k kysymyksiä, joista jokaisella on pisteet xj, työn imu on alfa lasketaan 
Jos luotettavuus kerroin kasvaa, kun kohde on poistettu, voit olettaa, että tuote ei korreloi kanssa muita kohteita., Kääntäen, jos luotettavuuskerroin pienenee, voit olettaa, että kohde on erittäin korreloi muiden kohteiden kanssa.
Esimerkki 2: Laske työn imu on alfa tutkimuksen Esimerkissä 1, jossa jokin kysymys on poistettu.
tarvittavat laskelmat esitetään kuvassa 3.
Kuva 3 – työn imu on Alfa Esimerkiksi 2
Kussakin sarakkeessa B, L edustaa testi, jossa yksi kysymys poistettiin., Sarake B vastaa kysymystä #1, sarake C vastaa kysymystä #2 jne. Kuvassa 4 esitetään kysymystä #1 vastaavat kaavat (eli sarake B); muiden kysymysten kaavat ovat samankaltaisia. Osa viittauksista koskee kuvassa 1 esitettyjä soluja.
Luku 4 – Avain kaavoja laskentataulukon Kuvassa 3
Kuten voidaan nähdä Kuvassa 3, laiminlyönnistä mikään yksittäinen kysymys ei ole muuttaa työn imu on alfa hyvin paljon. Q8: n poisto vaikuttaa tulokseen eniten.,
Huomautus: Toinen tapa laskea työn imu on alfa on käyttää Kahden Tekijän ANOVA ilman Replication data-analyysi työkalun lähtötiedot ja huomaa, että:
Esimerkki 3: Laske työn imu on alfa Esimerkiksi 1 käyttäen ANOVA.
alamme suorittamalla Excelin Anova: Two Factor without Replication data-analyysi työkalun avulla tiedot alue B4:L15 laskentataulukon Kuvassa 1.,
Luku 5 – Laskelma työn imu on alfa käyttäen ANOVA –
Kuten voitte nähdä Kuva 5, työn imu alfa on .73802, sama arvo laskettu kuvassa 1.
Huomautus: Vaihtoehtoisesti voisimme käyttää Todellisia Tilastoja Kahden Tekijän ANOVA data-analyysin työkalu, jossa Rivien Lukumäärä per Näyte 1. Voimme myös saada saman tuloksen käyttämällä todellisia tilastoja ominaisuuksia kuvattu Real Statistics Support for Cronbach ’ s Alpha.