Cronbach' s Alpha Basic Concepts
jednym z problemów z metodą split-half jest to, że oszacowanie wiarygodności uzyskane za pomocą dowolnego losowego podziału elementów może różnić się od tego uzyskanego za pomocą innego. Jednym z rozwiązań tego problemu jest obliczenie współczynnika niezawodności Spearmana-Browna dla każdego z możliwych podzielonych połówek, a następnie znalezienie średniej z tych współczynników. To jest motywacja dla Alfy Cronbacha.,
Alfa Cronbacha jest lepsza od Kudera i Richardsona Formula_20 ponieważ może być używana z ciągłymi i niedichotomicznymi danymi. W szczególności może być używany do testowania z częściowym uznaniem oraz do kwestionariuszy z użyciem skali Likerta.
definicja 1: podana zmienna x1, …, XK i x0 = 
Właściwość 1: niech XJ = TJ + ej, gdzie każdy ej jest niezależny od tj i wszystkie ej są niezależne od siebie., Również niech x0 = 
tutaj widzimy xj jako zmierzone wartości, TJ jako prawdziwe wartości i ej jako wartości błędu pomiaru. Kliknij tutaj, aby uzyskać dowód własności 1.
obserwacja: alpha Cronbacha zapewnia użyteczną dolną granicę niezawodności (jak widać w Właściwości 1). Alfa cronbacha wzrośnie, gdy zwiększy się korelacja między przedmiotami., Z tego powodu współczynnik mierzy wewnętrzną spójność badania. Jego maksymalna wartość to 1, A Zwykle jej minimalna to 0, chociaż może być ujemna(patrz poniżej).
powszechnie akceptowaną zasadą jest to, że alfa 0,7 (niektórzy mówią 0,6) oznacza akceptowalną niezawodność, a 0,8 lub wyższa oznacza dobrą niezawodność. Bardzo wysoka niezawodność (0,95 lub wyższa) niekoniecznie jest pożądana, ponieważ oznacza to, że elementy mogą być całkowicie zbędne. Są to tylko wytyczne, a rzeczywista wartość Alfy Cronbacha będzie zależeć od wielu rzeczy. Np., wraz ze wzrostem liczby przedmiotów, Alfa cronbacha również wzrasta, nawet bez zwiększenia wewnętrznej spójności.
celem w projektowaniu niezawodnego instrumentu jest, aby wyniki na podobnych przedmiotach były powiązane (wewnętrznie spójne), ale każdy z nich miał również pewne unikalne informacje.
Dwa takie powody to kodowanie odwrotne i wiele czynników.,
kodowanie odwrotne: Załóżmy, że używasz skali Likerta od 1 do 7 z 1 znaczeniem zdecydowanie się nie Zgadzam i 7 znaczeniem zdecydowanie się Zgadzam. Załóżmy, że dwa z twoich pytań to: Q1: „Lubię pizzę” i Q20: „nie lubię pizzy”. Te pytania zadają to samo, ale z odwrotnym sformułowaniem. Aby poprawnie zastosować alpha Cronbacha, musisz odwrócić punktację każdego negatywnie sformułowanego pytania, Q20 w naszym przykładzie. Tak więc, jeśli odpowiedź na Q20 wynosi powiedzmy 2, to musi być oceniona jako 6 zamiast 2 (tj. 8 minus odnotowany wynik).,
wiele czynników: alpha Cronbacha jest przydatna, gdy wszystkie pytania testują mniej więcej to samo, zwane „czynnikiem”. Jeśli istnieje wiele czynników, musisz określić, które pytania testują, które czynniki. Jeśli powiedzmy, że istnieją 3 czynniki (np. szczęście z pracą, szczęście z małżeństwem i szczęście z samym sobą), to musisz podzielić kwestionariusz/test na trzy testy, jeden zawierający współczynnik testowania pytań 1, jeden z Współczynnik testowania pytań 2 i trzeci z Współczynnik testowania pytań 3., Następnie obliczasz Alfę Cronbacha dla każdego z trzech testów. Proces określania tych „ukrytych” czynników i dzielenia testu na czynniki nazywa się analizą czynnikową (patrz Analiza czynnikowa).
przykład 1: Oblicz Alfę cronbacha dla danych z przykładu 1 Kudera i Richardsona Formula_20 (powtórzone na rysunku 1 poniżej).,
Rysunek 1 – Alfa Cronbacha na przykład 1
arkusz na rysunku 1 jest bardzo podobny do arkusza na rysunku 1 Kudera i Richardsona Formula_20. Wiersz 17 zawiera wariancję dla każdego z pytań. Np. wariancja dla pytania 1(Komórka B17) jest obliczana według wzoru =VARP (B4:B15). Inne kluczowe wzory używane do obliczania Alfy Cronbacha na rysunku 1 są opisane na rysunku 2.,
Rysunek 2 – Kluczowe formuły dla arkusza roboczego na rysunku 1
widzimy z komórki B22, że alfa Cronbacha jest .73082, tak samo jak niezawodność KR20 obliczona dla przykładu 1 Kudera i Richardsona Formula_20.
Uwaga: Jeśli wariancje XJ różnią się znacznie, xj może być znormalizowany w celu uzyskania odchylenia standardowego 1 przed obliczeniem Alfa Cronbacha.,
obserwacja: aby określić, w jaki sposób każde pytanie na teście wpływa na wiarygodność, Alfa Cronbacha można obliczyć po usunięciu i-tej zmiennej, dla każdego i ≤ K. Tak więc dla testu z pytaniami k, każdy z wynikiem xj, Alfa Cronbacha jest obliczana dla
jeśli współczynnik niezawodności wzrasta po usunięciu elementu, można założyć, że element nie jest wysoce skorelowany z innymi elementami., I odwrotnie, jeśli współczynnik niezawodności spadnie, można założyć, że element jest silnie skorelowany z innymi elementami.
przykład 2: Oblicz Alfę cronbacha dla badania w przykładzie 1, gdzie każde pytanie zostanie usunięte.
niezbędne obliczenia przedstawiono na rysunku 3.
Rysunek 3 – Alfa Cronbacha na przykład 2
każda z kolumn od B do L reprezentuje test z jednym pytaniem usuniętym., Kolumna B odpowiada pytaniu # 1, kolumna C odpowiada pytaniu # 2, itd. Rysunek 4 pokazuje formuły odpowiadające pytaniu # 1 (tj. kolumnie B); formuły dla innych pytań są podobne. Niektóre odniesienia są do komórek pokazanych na rysunku 1.
Rysunek 4 – kluczowe formuły dla arkusza na rysunku 3
jak widać na rysunku 3, pominięcie żadnego pojedynczego pytania nie zmienia Alfy Cronbacha bardzo. Usunięcie Q8 wpływa na wynik najbardziej.,
obserwacja: innym sposobem obliczenia Alfy Cronbacha jest użycie dwuskładnikowego ANOVA bez narzędzia do analizy danych Replikacyjnych na surowych danych i zauważ, że:
przykład 3: Oblicz Alfę Cronbacha na przykład 1 za pomocą ANOVA.
zaczynamy od uruchomienia programu Excel Anova: dwa czynniki Bez narzędzia do analizy danych replikacji przy użyciu danych z zakresu B4: L15 arkusza pokazanego na rysunku 1.,
Rysunek 5 – obliczenie Alfy Cronbacha za pomocą ANOVA
jak widać na rysunku 5, alfa Cronbacha jest .73802, ta sama wartość obliczona na rysunku 1.
obserwacja: alternatywnie możemy użyć narzędzia do analizy danych Anova z prawdziwymi statystykami, ustawiając liczbę wierszy na próbkę na 1. Możemy również uzyskać ten sam wynik, korzystając z możliwości statystyk rzeczywistych opisanych w obsłudze statystyk rzeczywistych dla Alfy Cronbacha.