医学研究之相关分析的样本量计算——单个Cronbach α系数的差异性检验

发布于 2022年3月21日 星期一 20:48:33 浏览:6686
原创不易,转载请注明来源,感谢!

Cronbach α系数(克朗巴哈系数)是一种用于计算量表内部一致性的指标,常用于评价量表内部信度。本文主要介绍单个Cronbach α系数的差异性检验(Tests for One Coefficient Alpha)的样本量估计。

关键词:样本量计算;PASS;相关分析;Cronbach α系数;克朗巴哈系数;量表样本量计算;问卷样本量计算

Cronbach α系数的值通常介于0和1之间,系数愈高表示该测验的结果愈一致、稳定和可靠。如果系数不超过0.6,一般认为内部一致信度不足;达到0.7~0.8时表示量表具有相当的信度,达到0.8~0.9时说明量表信度很好。其样本量计算过程及注意事项如下。

一、案例数据

某高校老师欲调查学生对统计学课堂教学的满意度,设计了一份包含10个问题的初始量表,预期的Cronbach α系数为0.75,为检验系数是否大于0.7,试估计所需的样本含量。

二、案例分析

本研究中欲检验某一份量表的信度大小,采用单个Cronbach α系数的差异性检验,单个Cronbach α系数的差异性检验样本量计算需要以下几个参数:

1. 项目或评分表数,本例中为10。

2. 原假设H0下的α系数ρ0,本例为0.7。

3. 备择假设H1下的α系数ρ1,本例为0.75。

4. 检验水准α (通常取0.01至0.1,本研究取0.05)。

5. 检验功效1-β (通常为0.8或更高,本研究取0.9)。

6. 脱失率DR (通常不宜超过20%,本研究取10%)。

三、软件操作

(一) 方法选择

在左侧界面中依次选择“Procedures (程序)”—“Correlation (相关)”—“Coefficient (Cronbach’s) Alpha (Cronbach α系数)”—“Tests for One Coefficient Alpha (单个Cronbach α系数的差异性检验)”,见图1。

图1

(二) 参数设置

在“Design (设置)”模块中按以下参数设置相应选项(图2):

①Solve For:选择“Sample Size”,表示本分析的目的是用于计算样本量。

②Alternative Hypothesis:指定备选假设的单双侧及假设检验的方向。选择“H1:CA0<CA1”,表示进行备择假设为H1ρ1>ρ0的上单侧检验。

③Power and Alpha:Power为把握度,填写“0.90”;Alpha为检验水准,填写“0.05”。

④K(Number of Items or Raters):表示研究中的项目数或评分者的数量,必须是一个大于1的整数。本例填“10”。

⑤CA0 (Coefficient Alpha|H0):即原假设H0下的α系数ρ0,范围介于-1~1,通常为0。本例填“0.7”。

⑥CA1 (Coefficient Alpha|H1):即备择假设H1下的α系数ρ1,范围介于-1~1,通常为正数。本例填“0.75”。

图2

(三) 脱失率设置

在“Reports (结果报告)”模块中,勾选“Show Dropout-Inflated Sample Size Report (报告脱失样本量)”,在“Dropout Rate”中填写“10%”(图3),表示按照10%的脱失率计算样本量。设置好上述参数后点击“Calculate (计算)”。

图3

四、结果及解释

图4列出了该研究设计的相关参数和样本量计算结果,可知计算的样本例数(N)为571。

图4

图5“References (参考文献)”列出了该计算过程中参考的相关文献;“Report Definitions (报告定义)”列出了各个参数的具体解释;“Summary Statements (报告概述)”为整个分析报告的摘要。

图5

图6“Dropout-Inflated Sample Size (脱失样本量)”为考虑了脱失率的样本量(N'),也是研究实际开展过程中需要达到的最低样本量,本研究中为635。

图6

图7为此次样本量估算整个过程的详细参数设置汇总。

图7

五、结论

本研究采用量表调查学生对教学的满意情况。为确保量表的可信度,可通过计算Cronbach α系数进行评估。若取检验水准0.05,检验功效0.90,已知量表共有10个项目,预期α系数为0.75,为检验系数是否大于0.7,则需要571例研究对象。若考虑10%的脱失率,则至少需要635例研究对象。

End
文章目录 沉浸式阅读