Analyse de fiabilité
L'analyse de fiabilité vous permet d'étudier les propriétés des échelles de mesure et des éléments qui les constituent. La procédure d'analyse de fiabilité calcule plusieurs mesures fréquemment utilisées de la fiabilité de l'échelle et propose également des informations sur les relations entre les différents éléments de l'échelle. Les coefficients de corrélation intra-classe peuvent être utilisés pour calculer les estimations de fiabilité entre les observateurs.
L'analyse de fiabilité fournit les statistiques du kappa de Fleiss à plusieurs observateurs qui évaluent la concordance entre les observateurs afin de déterminer la fiabilité des différents observateurs. Plus la concordance est élevée, plus les circonstances vraies reflétées par les juges peuvent être considérées comme fiables. Les options du kappa de Fleiss à plusieurs évaluateurs sont disponibles dans la boîte de dialogue Analyse de fiabilité: Statistiques .
- Exemple
- Mon questionnaire mesure-t-il de façon fidèle la satisfaction de la clientèle ? L'analyse de la fiabilité vous permet de déterminer dans quelle mesure les éléments de votre questionnaire sont liés les uns aux autres et vous procure un indice général de la consistance ou de la cohérence interne de l'échelle dans son ensemble. Elle vous permet enfin d'identifier les éléments qui posent problème et qu'il faudrait exclure de l'échelle.
- Statistiques
- Descriptions de chaque variable et pour l'échelle, statistiques récapitulatives sur les éléments, corrélations et covariances entre éléments, prévisions de fiabilité, tableau d'ANOVA, coefficients de corrélation intra-classe, T 2 d'Hotelling, test d'additivité de Tukey et kappa de Fleiss à plusieurs observateurs.
- Modèles
- Les modèles suivants de fiabilité sont disponibles :
- Alpha (Cronbach)
- Ce modèle est une mesure de cohérence interne basée sur la corrélation moyenne entre éléments.
- Coefficient Omega (McDonald)
Ce modèle suppose que le modèle est unidimensionnel, avec un seul facteur sans dépendance d'élément local sous forme de covariances d'erreur. Le modèle implique que la covariance des deux éléments différents est le produit de leurs chargements.
- Bipartition
- Ce modèle fractionne l'échelle en deux et examine la corrélation entre les deux parties.
- Guttman
- Ce modèle calcule les limites minimales de Guttman pour une fiabilité vraie.
- Parallèle
- Ce modèle part de l'hypothèse que tous les éléments ont des variances égales et des variances d'erreur égales en cas de réplication.
- Parallèle strict
- Ce modèle se fonde sur les mêmes hypothèses que le modèle parallèle mais envisage également que tous les éléments ont la même moyenne.
Remarques sur les données dans l'analyse de fiabilité
- Données
- Les données peuvent être dichotomiques, ordinales ou constituer des intervalles, mais elles doivent être codées en numérique.
- Hypothèses
- Les observations doivent être indépendantes, les erreurs ne doivent pas être corrélées entre éléments. Chaque paire d'éléments doit avoir une distribution gaussienne bivariée. Les échelles doivent être additives, de sorte que chaque élément est linéairement relié au total. Les suppositions suivantes s'appliquent aux statistiques du kappa de Fleiss à plusieurs observateurs :
- Vous devez sélectionner au moins deux variables d'élément pour exécuter n'importe quelle statistique de fiabilité.
- Lorsqu'au moins deux variables d'évaluation sont sélectionnées, la syntaxe du kappa de Fleiss à plusieurs observateurs est collée.
- Il n'existe aucun lien entre les observateurs.
- Le nombre d'observateurs est une constante.
- Chaque sujet est évalué par le même groupe contenant un seul observateur.
- Aucune pondération ne peut être affectée aux différences.
- Procédures apparentées
- Si vous souhaitez explorer la dimensionnalité des éléments de votre échelle (pour voir si plusieurs éléments de base sont nécessaires au motif des calculs), utilisez Analyse factorielle ou Positionnement multidimensionnel. Pour identifier des groupes homogènes de variables, utilisez l'analyse de cluster hiérarchique pour classer les variables.
Obtention d'une analyse de fiabilité
Cette fonction nécessite l'option Statistiques de base.
- A partir des menus, sélectionnez :Remarque : les champs surlignés en rouge sont obligatoires. Les boutons Coller et OK sont activés après avoir saisi des valeurs valides dans tous les champs obligatoires.
- Sélectionnez deux variables (éléments) au moins en tant que composants potentiels d'une échelle additive.
- Sélectionnez un modèle dans la liste déroulante Modèle.
- Si vous le souhaitez, vous pouvez cliquer sur Statistiques pour sélectionner différentes statistiques décrivant vos éléments d'échelle ou la concordance entre les observateurs.
Cette procédure reproduit la syntaxe de commande FIABILITÉ .