cronbach 의 알파의 기본 개념
중 하나에 문제 분 절반 방법은 신뢰성 추정을 사용하여 얻은 임의의 분할의 항목을 가능성이 높을 것과 다를 사용하여 얻은니다. 중 하나 이 문제에 대한 해결책을 계산하는 스피어-갈색 수정 분할 반 신뢰성 계수를 위해 모든 하나의 가능한 분할 반쪽을 찾는 의미의 계수를 얻을 수 있습니다. 이것이 크론 바흐의 알파에 대한 동기입니다.,
cronbach 의 alpha 우수 Kuder 과 리처드슨 공식 20 때문에 그것을 사용할 수 있으로 지속적이고 비이 이분법이다. 특히,부분 신용으로 테스트 및 Likert 척도를 사용하여 설문지에 사용할 수 있습니다.
Definition1:주어진 변수 x1,…,xk 및 x0=
속성이 1: 자 xj=tj+ej 각 ej 의 독립적 tj 고 모든 ej 은 서로 독립적입니다., 또한 x0=
여기서 xj 를 측정 된 값으로,tj 를 실제 값으로,ej 를 측정 오류 값으로 봅니다. 속성 1 의 증거를 보려면 여기를 클릭하십시오.
관찰:cronbach 의 alpha 제공하는 유용한 하에서의 신뢰성(에서 볼 수 있듯이 속성 1)입니다. Cronbach 의 알파는 일반적으로 항목 간의 상관 관계가 증가 할 때 증가합니다., 이러한 이유로 계수는 테스트의 내부 일관성을 측정합니다. 최대 값은 1 이며 일반적으로 최소값은 0 이지만 음수 일 수 있습니다(아래 참조).
일반적으로 받아들여 엄지손가락의 규칙은 알파 0.7(일부 0.6)을 나타냅니다 허용되는 신뢰성과 0.8 또는 높은 표 좋은 신뢰도가 있습니다. 매우 높은 신뢰성(0.95 이상)이 반드시 바람직한 것은 아니며,이는 항목이 완전히 중복 될 수 있음을 나타냅니다. 이것들은 지침 일 뿐이며 Cronbach 의 알파의 실제 가치는 많은 것들에 달려 있습니다. 예:, 항목 수가 증가함에 따라 Cronbach 의 알파는 내부 일관성이 증가하지 않고서도 너무 증가하는 경향이 있습니다.
목표는 디자인에서 신뢰할 수 있는 악기는 점수 유사한 항목의 관련(내부적으로 일관성 있는)하지만 각 기여하는 독특한 정보뿐만 아니라.
관찰이 있는 숫자는 이유 cronbach 의 알파될 수 있었습 저렴한 또는 부정적 심지어 완벽하게 유효한 시험입니다. 이러한 두 가지 이유는 역 코딩과 여러 요소입니다.,
역 코딩:1 의 의미는 강하게 동의하지 않고 7 의 의미는 강하게 동의하는 1 에서 7 의 Likert 척도를 사용한다고 가정합니다. 질문 중 두 가지가 Q1:”나는 피자를 좋아한다”와 Q20:”나는 피자를 싫어한다”라고 가정합니다. 이 질문들은 똑같은 것을 요구하지만 역 문구로 묻습니다. 제대로 Cronbach 의 알파를 적용하기 위해,당신은 우리의 예에서 어떤 부정적인 표현 질문,Q20 의 점수를 반전해야합니다. 따라서 Q20 에 대한 응답이 2 라고 말하면 2 대신 6 으로 점수를 매길 필요가 있습니다(즉,기록 된 점수를 8 에서 뺀 값).,
여러 요인:cronbach 의 알파가 유용한 모든 질문은 테스트를 더 많거나 적은 동일한 것이라고”인자”. 여러 요인이있는 경우 어떤 질문이 어떤 요인을 테스트하고 있는지 결정해야합니다. 고 말하는 경우에 있는 3 요소(예:행복의 작업,행복과의 결혼 생활과 행복과 자신),다음을 분리 할 필요가 설문지/테스트로 테스트를 포함하는 하나의 질문을 테스트 factor1,하나의 질문에 이 테스트는 요인 2 세 번째 질문이 테스트 factor3., 그런 다음 세 가지 테스트 각각에 대해 Cronbach 의 알파를 계산합니다. 이러한”숨겨진”요인을 결정하고 요인별로 테스트를 분할하는 프로세스를 요인 분석이라고합니다(요인 분석 참조).
예제 1:Kuder 및 Richardson 공식 20 의 예제 1 의 데이터에 대한 Cronbach 의 알파를 계산합니다(아래 그림 1 에서 반복).,
림 1–cronbach 의 알파 예를 들어 1
워크시트 그림 1 에서와 매우 유사하는 워크시트에서 그림 1 의 Kuder 과 리처드슨 공식 20. 17 행에는 각 질문에 대한 분산이 포함됩니다. 예:질문 1(셀 B17)에 대한 분산은 공식=VARP(B4:B15)에 의해 계산됩니다. 그림 1 에서 Cronbach 의 알파를 계산하는 데 사용되는 다른 주요 공식은 그림 2 에 설명되어 있습니다.,
림 2–키에 대한 수식의 워크시트에 그림 1
우리는 세포에서 B22 는 cronbach 의 알파입니다.73082,Kuder 및 Richardson 식(20)의 예 1 에 대해 계산 된 KR20 신뢰도와 동일하다.
관찰:xj 의 분산이 매우 다양하면 Xj 를 표준화하여 Cronbach 의 알파를 계산하기 전에 1 의 표준 편차를 얻을 수 있습니다.,
관찰:결정하는 방법을 각각의 시험에 대한 질문에 영향을 주는 신뢰성,cronbach 의 alpha 계산할 수 있습을 삭제한 후 ith 변수를 위해 각 나≤k. 따라서 테스트와 함께 k 질문,각으로 점수를 xj,cronbach 의 알파산에 대한
경우에 신뢰성 계수 후 증가한 항목을 삭제할 수 있다고 가정하지 않은 품목에 높은 상관관계를 다른 항목입니다., 반대로 신뢰성 계수가 감소하면 항목이 다른 항목과 높은 상관 관계가 있다고 가정 할 수 있습니다.
예제 2:예제 1 에서 설문 조사에 대한 Cronbach 의 알파를 계산하여 어느 한 질문이 제거됩니다.
필요한 계산이 그림 3 에 표시됩니다.
림 3–cronbach 의 알파 예를 들어 2
각각의 열 B L 대표 테스트와 하나의 질문을 제거됩니다., 열 B 는 질문#1 에 해당하고 열 C 는 질문#2 등에 해당합니다. 그림 4 는 질문#1(즉,B 열)에 해당하는 수식을 표시하며 다른 질문에 대한 수식은 비슷합니다. 참조 중 일부는 그림 1 에 표시된 셀에 대한 것입니다.
림 4–Key 식을 위한 워크시트에서 그림 3
에서 알 수있는 바와 같이 그림 3,생략의 어떤 하나의 질문에는 변경되지 않 cronbach 의 alpha 매우 많습니다. Q8 의 제거는 결과에 가장 큰 영향을 미칩니다.,
관찰 계산하는 또 다른 방법으로 cronbach 의 알파가 사용하는 두 가지 요인을 분산 분석없이 복제 데이터 분석 도구에 원시 데이터를 참고:
예 3:을 계산 cronbach 의 알파 예를 들어 1 을 사용하여 분산 분석을 사용합니다.
그림 1 에 표시된 워크 시트의 범위 B4:L15 의 데이터를 사용하여 복제 데이터 분석 도구없이 Excel 의 Anova:Two Factor 를 실행하여 시작합니다.,
림 5–의 계산 cronbach 의 알파를 사용하여 분산 분석
에서 볼 수 있듯이 그림 5,cronbach 의 알파입니다.73802,그림 1 에서 계산 된 것과 동일한 값.
관찰 또는 우리가 사용할 수 있는 실제 통계 두 요인을 분산 분석 데이터 분석 도구,설정 행의 수당 샘플을 1. Cronbach 의 Alpha 에 대한 Real Statistics Support 에서 설명한 Real Statistics 기능을 사용하여 동일한 결과를 얻을 수도 있습니다.