Analiza rzetelności
Analiza rzetelności pozwala na badanie właściwości skal pomiarowych oraz tworzących je pozycji. Procedura analizy rzetelności umożliwia obliczenie liczby zwykle używanych miar skali rzetelności oraz dostarcza informacji na temat związków między pojedynczymi pozycjami na skali. Współczynniki korelacji mogą być wykorzystane do obliczenia rzetelności rozumianej jako zgodność między oceniającymi.
Analiza rzetelności udostępnia także statystykę kappa wielu oceniających Fleissa, która ocenia zgodność między oceniającymi w celu określenia rzetelności w grupie wielu oceniających. Większa zgodność oznacza większą pewność co do tego, że oceny odzwierciedlają prawdziwe okoliczności. Opcje wielokrotnych kappa Fleissa są dostępne w oknie dialogowym Analiza niezawodności: Statystyka .
- Przykład
- Czy kwestionariusz mierzy zadowolenie klientów w użyteczny sposób? Wykorzystując analizę rzetelności można ustalić stopień powiązania ze sobą pozycji kwestionariusza, uzyskać ogólny wskaźnik powtarzalności lub wewnętrznej spójności skali jako całości, a także zidentyfikować pozycje problemowe, które powinny być wyłączone ze skali.
- Narzędzia statystyczne
- Statystyki opisowe dla każdej zmiennej i dla skali, statystyki podsumowujące dla wielu elementów, korelacje oraz kowariancje między elementami, oszacowania rzetelności, tabela ANOVA, współczynniki korelacji wewnątrzklasowej, T 2 Hotellinga, test addytywności Tukeya i kappa wielu oceniających Fleissa.
- Modele
- Dostępne są następujące modele rzetelności:
- Alfa (Cronbacha)
- Ten model jest miarą wewnętrznej spójności, opartą na średniej korelacji między pozycjami.
- Omega (McDonalda)
W tym modelu przyjęto założenie, że model jest jednowymiarowy i zawiera pojedynczy czynnik bez zależności od lokalnej pozycji w formie kowariancji błędów. Model zakłada, że kowariancja dwóch różnych pozycji to iloczyn ich ładunków.
- Połówkowy
- Ten model dzieli skalę na dwie części i analizuje korelację między nimi.
- Guttmana
- Ten model oblicza dolne granice Guttmana dla prawdziwej rzetelności.
- Równoległy
- W tym modelu przyjęto założenie, że wszystkie pozycje mają równe wariancje oraz równe wariancje błędu w replikacjach.
- Ściśle równoległy
- W tym modelu przyjęto założenia modelu równoległego oraz założenie równej średniej w pozycjach.
Wymagania dotyczące danych do analizy rzetelności
- danych
- Dane mogą być dychotomiczne, porządkowe lub interwałowe, ale nie powinny być kodowane liczbowo.
- Założenia
- Obserwacje powinny być niezależne, a błędy nieskorelowane między pozycjami. Każda para pozycji powinna być skorelowana i wykazywać rozkład normalny. Skale powinny być addytywne, tak aby każda pozycja była liniowo powiązana z ogólną oceną. W odniesieniu do statystyk kappa wielu oceniających Fleissa stosuje się następujące założenia:
- Aby obliczyć statystykę rzetelności, należy określić co najmniej dwie zmienne elementów.
- Jeśli wybrano co najmniej dwie zmienne oceny, wklejana jest komenda kappa wielu oceniających Fleissa.
- Nie ma żadnego związku pomiędzy oceniającymi.
- Liczba oceniających jest stała.
- Każdy obiekt jest oceniany przez tę samą grupę zawierającą tylko jednego oceniającego.
- Nie można przypisać wag do różnych niezgodności.
- Procedury pokrewne
- W celu zbadania wymiarowości pozycji skali (sprawdzenia, czy potrzebna jest więcej niż jedna struktura do wyjaśnienia układu ocen pozycji) należy użyć analizy czynnikowej lub skalowania wielowymiarowego. W celu zidentyfikowania homogenicznych grup zmiennych dla zmiennych skupiania można zastosować hierarchiczną analizę skupień.
Wykonywanie analizy rzetelności
Ta zmienna wymaga opcji Statistics Base.
- Z menu wybierz:
- Wybierz co najmniej dwie zmienne jako potencjalne elementy skali addytywnej.
- Wybierz model z listy rozwijanej Model.
- Opcjonalnie kliknij opcję Statystyki, aby wybrać różne statystyki, które opisują elementy skali lub zgodność między oceniającymi.
Ta procedura służy do wkleiania składni komendy RELIABILITY .