मैं अनुभवजन्य रूप से एक प्रश्नावली विकसित करने की प्रक्रिया में हूं और मैं इस उदाहरण में मनमाने ढंग से संख्याओं का उपयोग करूंगा। संदर्भ के लिए, मैं एक मनोवैज्ञानिक प्रश्नावली विकसित कर रहा हूं जिसका उद्देश्य आमतौर पर उन व्यक्तियों में चिन्हित पैटर्न का मूल्यांकन करना है, जिन्हें चिंता विकार है। एक आइटम की तरह लग सकता है "मुझे ओवन को बार-बार जांचने की आवश्यकता है क्योंकि मुझे यकीन नहीं है कि यह बंद हो सकता है "।
मेरे 20 प्रश्न हैं (5-पॉइंट लीकेर्ट) जिसमें एक या दो कारक शामिल हो सकते हैं (ध्यान दें कि वास्तव में मेरे पास 200 प्रश्न हैं, जिसमें 10 पैमाने शामिल हैं और प्रत्येक पैमाने में दो कारक शामिल हो सकते हैं)। मैं दो कारकों में से 10 प्रश्नों को छोड़कर, लगभग आधी वस्तुओं को मिटाने के लिए तैयार हूं।
मैं खोज कारक विश्लेषण (ईएफए), आंतरिक स्थिरता (क्रोनबाक अल्फा), और आइटम प्रतिक्रिया सिद्धांत (आईआरटी) में आइटम विशेषता घटता से परिचित हूं। मैं देख सकता हूं कि मैं इनमें से किसी एक तरीके का उपयोग करके यह निर्धारित करूंगा कि कौन से आइटम किसी भी एक पैमाने पर "बदतर" हैं। मैं सराहना करता हूं कि प्रत्येक विधि भी अलग-अलग प्रश्नों का उत्तर देती है, हालांकि वे समान परिणाम दे सकते हैं और मुझे यकीन नहीं है कि "प्रश्न" सबसे महत्वपूर्ण है।
शुरू करने से पहले, मुझे यकीन है कि मुझे पता है कि मैं इनमें से प्रत्येक विधि के साथ व्यक्तिगत रूप से क्या कर रहा हूं।
ईएफए का उपयोग करते हुए, मैं कारकों की संख्या की पहचान करूंगा, और उन वस्तुओं को हटा दूंगा जो उनके संबंधित कारक पर कम से कम (<.30 कहते हैं) या कारकों के पार काफी हद तक लोड करते हैं।
आंतरिक स्थिरता का उपयोग करते हुए, मैं उन वस्तुओं को हटा दूंगा जिनमें खराब "अल्फा अगर आइटम हटा दिया गया है"। मैं अपने पैमाने में एक कारक मान सकता हूं, या कारकों की संख्या की पहचान करने के लिए प्रारंभिक ईएफए के बाद कर सकता हूं और बाद में प्रत्येक कारक के लिए अपना अल्फा चला सकता हूं।
आईआरटी का उपयोग करके, मैं उन वस्तुओं को हटा दूंगा जो ब्याज के कारक का उनके (5 लाइकर्ट) प्रतिक्रिया विकल्पों के साथ आकलन नहीं करते हैं। मैं आइटम विशेषता घटता eyeballing होगा। मैं मूल रूप से एक 45 डिग्री के कोण पर एक लाइन की तलाश कर रहा हूं, जो कि 1 से लिकेर्ट स्केल पर लेट स्कोर के साथ 5 तक के सभी पैमाने पर होगा। मैं ऐसा एक कारक मान सकता था, या
कारकों की संख्या की पहचान करने के लिए प्रारंभिक ईएफए के बाद कर सकता था , और बाद में प्रत्येक कारक के लिए घटता चला सकता था।
मैं अनिश्चित हूं कि इनमें से कौन सी विधि का उपयोग सबसे अच्छा पहचान करने के लिए किया जाता है कि कौन सी वस्तुएं "सबसे खराब" हैं। मैं एक व्यापक अर्थ में सबसे खराब उपयोग करता हूं जैसे कि आइटम माप के लिए हानिकारक होगा, या तो विश्वसनीयता या वैधता के संदर्भ में, जो दोनों मेरे लिए समान रूप से महत्वपूर्ण हैं। संभवत: मैं उन्हें संयोजन के रूप में उपयोग कर सकता हूं, लेकिन मुझे यकीन नहीं है कि कैसे।
अगर मुझे अभी जो पता है उससे आगे जाना है और इसे अपना सर्वश्रेष्ठ शॉट देना है तो मैं निम्नलिखित काम करूंगा:
- कारकों की संख्या की पहचान करने के लिए एक ईएफए करें। अपने संबंधित कारकों पर खराब लोडिंग वाली वस्तुओं को भी हटा दें, क्योंकि मैं उन वस्तुओं को नहीं चाहता जो इस बात की परवाह किए बिना कि वे अन्य विश्लेषणों में क्या करेंगे।
- आईआरटी करें और ईएएफए से बने रहने पर उस विश्लेषण के अनुसार खराब वस्तुओं को हटा दें।
- बस Cronbach के अल्फा की रिपोर्ट करें और उस मीट्रिक को आइटम हटाने के साधन के रूप में उपयोग न करें।
किसी भी सामान्य दिशा निर्देशों की बहुत सराहना की जाएगी!
यहां उन विशिष्ट प्रश्नों की सूची भी दी गई है जिनका उत्तर आप शायद दे सकते हैं:
फैक्टर लोडिंग के आधार पर वस्तुओं को हटाने और क्रोनबैच के अल्फा पर आधारित वस्तुओं को हटाने के बीच व्यावहारिक अंतर क्या है (आप दोनों विश्लेषणों के लिए एक ही कारक लेआउट का उपयोग करते हैं)?
जो मुझे पहले करना चाहिए? मान लें कि मैं एक कारक के साथ ईएफए और आईआरटी करता हूं, और दोनों अलग-अलग वस्तुओं की पहचान करते हैं जिन्हें हटाया जाना चाहिए, किस विश्लेषण में प्राथमिकता होनी चाहिए?
मैं इन सभी विश्लेषणों को करने के लिए कठोर नहीं हूं, हालांकि मैं क्रोनबैच के अल्फा की परवाह किए बिना रिपोर्ट करूंगा। मुझे लगता है कि सिर्फ आईआरटी करने से कुछ छूट जाएगा, और इसी तरह सिर्फ ईएफए के लिए।