量表信度的Cronbach α系数计算——MedCalc软件实现

发布于 2022年10月31日 星期一 22:28:38 浏览:9941
原创不易,转载请注明来源,感谢!
附件下载:
Cronbach a系数.zip 请勿重复点击,如无响应请耐心等待或稍后再试。

Cronbach α系数(Cronbach’s alpha coefficient)属于内部一致性信度,是评价量表测量信度的指标,所计算的是测试中所有条目间的平均一致性,是目前最常使用的信度系数。本文将介绍Cronbach α系数在MedCalc软件中的实现过程。

关键词:MedCalc; Cronbach α系数; Cronbach’s alpha coefficient

一、案例介绍

使用一份心理人格量表调查了250名受试者,所用量表包含A1~A5(其中A1为反向条目)、C1~C5(其中C4、C5为反向条目)、E1~E5(其中E1、E2为反向条目)、N1~N5,O1~O5(其中O2、O5为反向条目)5个维度(A、C、E、N和O)共25个条目。现希望对此份量表数据的内部一致性进行分析。部分数据见图1。本案例数据可从“附件下载”处下载。

图1

二、案例分析

内部一致性是指量表测量结果的可靠性,在MedCalc中可通过计算Cronbach α系数反应量表的内部一致性,需要分开评价每个维度的内部一致性。但需要满足2个条件:

条件1:观察变量是连续变量或有序分类变量。本案例中观察变量都是有序分类变量,该条件满足。

条件2:数据是量表类数据,非量表数据不适合进行内部一致性评价。本案例数据是一份初始量表数据,该条件满足。

三、软件操作及结果解读

(一)软件操作

此处以计算维度A的Cronbach α系数进行操作举例。

选择“统计”—“一致性和响应能力”—“Cronbach alpha系数”(图2)

图2

在“Cronbach alpha系数”对话框中,“变量”框中选择维度A下5个条目“A1~A5”,“筛选条件”本例未选择。由于该维度中有一个反向计分条目因此需要勾选“选项”中“校正可能出现的比例倒转”(如果不选择该选项,软件将不会对反向计分条目进行计分倒转,最终计算结果将完全不一样,感兴趣的读者请自行操作),点击“确定”(图3)。

图3

(二)结果解读

分析概况描述见图4,表示有1个缺失值,实际分析了249个案例。反向计分条目A1在分析之前被倒转。

图4

Cronbach α系数结果见图5,维度A的Cronbach α系数整体为0.7236,95%CI下限为0.6755,表示该维度的内部一致性可以接受。

一般情况下,如果Cronbach's α系数>0.8,则认为该测量数据的信度非常好;>0.7表示可以接受;如果>0.6,则提示量表需要修订,但仍然具有一定价值;如果<0.6,则需要重新设计题项。

图5

降低变量的效应,即删除某个具体条目后,该维度的Cronbach α系数及其变化程度,结果见图6。若删除某条目后会α值明显增加,则可考虑删除该问题。本例删除“A1”后,α=0.7452,其增加量(0.02161)最大,增加并不明显,因此这5个条目均可考虑保留。

图6

上述的 Cronbach α系数是根据量表的原始资料计算所得,当量表中的问题有变异较大时,可能会引起结果的变异也较大。标准化(将资料变换为平均值为0、标准差为1)的资料中,各问题的权重将相等。将本例资料标准化后得到Cronbach α系数为0.7298,与原始资料计算结果较为接近,见图7。

图7

 维度C的分析结果见图8,可知维度C的Cronbach α系数整体为0.7587,95%CI下限为0.7168,表示该维度的内部一致性可以接受。也未发现需要删除的条目。

图8

维度E的分析结果见图9,可知维度E的Cronbach α系数整体为0.7802,95%CI下限为0.7420,表示该维度的内部一致性可以接受。也未发现需要删除的条目。

图9

维度N的分析结果见图10,可知维度N的Cronbach α系数整体为0.8108,95%CI下限为0.7778,表示该维度的内部一致性可以接受。也未发现需要删除的条目。

图10

维度O的分析结果见图11,可知维度O的Cronbach α系数整体为0.6026,95%CI下限为0.5335,表示该维度的内部一致性较差,需要修订。“降低变量的效应”分析发现,当O4条目移除后该维度的Cronbach α系数有较大上升,提示该条目需要删除。

图11

四、结论

本研究采用Cronbach's α系数评价量表的内部一致性。A、C、E、N和O维度Cronbach's α系数分别为:0.7236、0.7587、0.7802、0.8108和0.6026,表明A、C、E三个维度的内部一致性可以接受,N维度的内部一致性非常好,O维度的内部一致性较差,需要修订。条目信度统计分析表明,A、C、E、N维度内均不存在需要删除的条目,O维度内O4条目需要删除。因而说明本次数据测试的信度质量水平一般,研究量表需要进一步改进。

五、知识小贴士

(一)计算Cronbach'sα系数的前提有哪些?

计算Cronbach'sα系数的前提一般需要假设残差不相关、条目具有较为相近的载荷和单个维度。

(二)信度系数的界限值一成不变吗?

不同的研究者对信度系数的界限值有不同的看法。有学者认为,在基础研究中Cronbach's α系数至少应达到0.8才能接受,在探索研究中至少应达到0.7才能接受,而在实务研究中,只需达到0.6即可。因此,在不同的研究中使用相同的判断标准可能并不科学。或许直接描述系数的数值更为合适,如“Cronbach'sα系数为0.722,提示量表在此次测量过程中还存在27.8%的误差。

(三)可以将所有维度放在一起计算Cronbach's α系数吗?

将多个维度条目放在一起测量量表的内部一致性会导致Cronbach's α系数的低估,因此需要分开单独测量每一个维度的Cronbach's α系数。

(四)量表中有维度Cronbach's α系数较低怎么办?

如果量表各维度的Cronbach's α系数均较低,则首先需要核查数据是否有异常值或者反向计分条目,并对其进行合理处理;其次对其系数值较低的条目可以进行删除,留下有意义的项;如果采取以上措施后,量表的内部一致性仍然不理想,则需要对条目内容进行重新设计。在量表设计时,一个维度尽量包含4~7个条目为好。因为如果某个维度仅对应2个条目其Cronbach's α系数往往不会太高,如果某个维度仅对应1个条目,则无法进行信度分析。

(五)内部一致性分析可以用于所有数据吗?

内部一致性分析通常只针对量表数据,对于非量表数据进行信度分析一般效果较差。对于非量表数据的信度分析,往往只需要用文字进行描述,证明数据可信即可。如,用文字描述数据收集的过程和质量控制过程,描述样本的有效性,异常值的处理等。

End
文章目录 沉浸式阅读