신뢰성 분석

신뢰성 분석을 사용하여 측정 척도의 특성과 척도를 구성하는 항목을 연구할 수 있습니다. 신뢰성 분석 프로시저에서는 공통적으로 사용된 척도 신뢰도의 측도 수를 계산하고 척도의 개별 항목 간 관계에 대한 정보를 제공합니다. 급내 상관계수를 사용하여 급내 신뢰도 추정값을 계산할 수 있습니다.

신뢰도 분석은 또한 평가자 간 일치도를 평가하여 다양한 평가자 간 신뢰도를 판별하는 Fleiss의 다중 평가자 카파 통계도 제공합니다. 일치도가 높을수록 실제 환경을 반영하는 등급의 신뢰도가 높아집니다. Fleiss의 다중 평가자 카파 옵션은 신뢰도 분석: 통계 대화 상자에서 사용할 수 있습니다.

예

현재 질문지의 측도 방법이 고객이 만족할 만큼 유용합니까? 신뢰성 분석을 사용하면 질문지의 항목들이 서로 관련되어 있는 정도를 판별할 수 있으며 척도의 전반적 반복도나 내부 일관성에 대한 지수를 구할 수 있습니다. 또한 척도에서 제외해야 하는 문제 항목을 구분할 수 있습니다.

통계

각 변수와 척도에 대한 기술통계, 여러 항목의 요약 통계, 항목간 상관관계 및 공분산, 신뢰도 추정값, 분산분석표, 급내 상관계수, Hotelling의 T ², Tukey의 가법성 검정 및 Fleiss의 다중 평가자 카파

모형

다음의 신뢰도 모형을 사용할 수 있습니다.

알파(Cronbach): 이 모형은 평균 항목간 상관관계를 기준으로 하는 내적일치(internal consistency) 측도입니다.
오메가(McDonald): 이 모형은 로컬 항목 종속성이 없는 단일 요인을 오차 공분산 형식으로 포함하는 일차원적 모형이라고 가정합니다. 이 모형은 서로 다른 두 항목의 공분산이 적재량의 곱임을 의미합니다.
반분: 이 모형에서는 해당 척도를 두 부분으로 분리하고 부분간 상관을 검사합니다.
Guttman: 이 모형에서는 실제 신뢰도에 대한 Guttman의 하한값을 계산합니다.
평형: 이 모형에서는 여러 복제의 모든 항목에는 등분산과 동일한 오차 분산이 있는 것으로 가정합니다.
절대 평형: 이 모형에서는 동형 모형을 가정하며 여러 항목에서 평균은 동일한 것으로 가정합니다.

신뢰도 분석 데이터 고려사항

데이터

데이터는 이분형, 순서 또는 구간이 될 수 있으나 숫자로 코딩되어야 합니다.

가정

관측값은 독립적이어야 하며 항목 간의 오차는 서로 상관되지 않아야 합니다. 각 대응항목은 이변량 정규 분포를 나타내야 합니다. 척도는 가법적이어야 하므로 각 항목은 전체 스코어와 선형으로 관련되어야 합니다. Fleiss의 다중 평가자 카파 통계량에는 다음과 같은 가정이 적용됩니다.

신뢰도 통계량을 실행하려면 항목 변수를 두 개 이상 지정해야 합니다.
등급 변수를 두 개 이상 선택하면 Fleiss의 다중 평가자 카파 명령문이 붙여넣어집니다.
평가자가 서로 연결되어 있지 않습니다.
평가자 수는 상수입니다.
각 개체는 단일 평가자만 포함하는 동일한 집단에서 평가됩니다.
다양한 불일치에 가중값을 지정할 수 없습니다.

관련 프로시저

척도 항목들의 차원을 탐색하려면(항목 스코어의 패턴을 설명하는 데 둘 이상의 구성이 필요한지 여부를 알기 위해) 요인 분석이나 다차원척도법을 사용합니다. 변수의 동일그룹군을 구분하려면 계층적 군집 분석을 사용하여 변수를 모으십시오.

신뢰도 분석 구하기

이 기능을 사용하려면 Statistics Base 옵션이 필요합니다.

메뉴에서 다음을 선택합니다.
분석 > 스케일 > 신뢰성 분석 ...
둘 이상의 변수를 가법 척도의 잠재적 성분으로 선택합니다.
모형 드롭 다운 목록에서 모형을 선택합니다.
선택적으로 척도 항목 또는 평가자 간 일치도를 설명하는 다양한 통계를 선택하려면 통계량을 클릭합니다.

이 프로시저는 RELIABILITY 명령문을 붙여넣습니다.