ओमेगा बनाम अल्फा विश्वसनीयता

Question

मुझे आश्चर्य है कि अगर कोई यह समझा सकता है कि ओमेगा और अल्फा की विश्वसनीयता के बीच मुख्य अंतर क्या है?

मैं समझता हूं कि एक ओमेगा विश्वसनीयता पदानुक्रमित कारक मॉडल पर आधारित है जैसा कि निम्नलिखित चित्र में दिखाया गया है, और अल्फा औसत अंतर-आइटम संबंध का उपयोग करता है।

मुझे समझ में नहीं आ रहा है, किस स्थिति में, ओमेगा विश्वसनीयता गुणांक अल्फा गुणांक से अधिक होगा, और इसके विपरीत?

क्या मैं यह मान सकता हूं कि यदि उप-विभाजक और चर के बीच संबंध अधिक हैं, तो ओमेगा गुणांक भी अधिक होगा (जैसा कि ऊपर चित्र में दिखाया गया है)?

किसी भी सलाह की सराहना की है!

Comments

मैंने इस संबंधित थ्रेड पर क्रोनबेक के अल्फा बनाम विश्वसनीयता के अन्य अनुक्रमों के उपयोग पर कुछ चर्चा प्रदान की: एक प्रश्नावली की विश्वसनीयता का आकलन: आयामीता, समस्याग्रस्त वस्तुओं, और क्या अल्फा, लैम्ब्डा 6 या किसी अन्य सूचकांक का उपयोग करना है? । आपके पहले सवाल की प्रतिक्रिया साइकोमेट्रिक में प्रकाशित रेवेल के लेखों में मिल सकती है ।

— chl

नमस्ते, मैंने रेवेल का पेपर पढ़ा है, लेकिन मुझे नहीं लगता कि मैंने इसे पूरी तरह से समझा है। यही कारण था कि मैंने इसे यहां पोस्ट किया और उम्मीद की कि कोई सही दिशा की ओर इशारा कर सकता है। मैंने डेटा के एक सेट के लिए दोनों ओमेगा और अल्फा विश्वसनीयता विश्लेषण की गणना की है, कभी-कभी, ओमेगा गुणांक अधिक होता है, कभी-कभी, अल्फा अधिक होता है - और मुझे वास्तव में समझ में नहीं आता कि मामला क्यों है।

— user11820

Answer 1

(श्रेणीबद्ध) गुणांक पैमाने स्कोर में विचरण के अनुपात में, एक सामान्य कारक (1,2) से हिसाब आम तौर पर एक दूसरे क्रम कारक विश्लेषण से देता है। हालांकि, यदि कोई शून्य-क्रम आयाम ऐसे तराजू में परिलक्षित होता है, तो Cronbach के से कम होगा (जिसका उपयोग किसी भी मामले में केवल अपरिमेय तराजू के साथ किया जाना चाहिए)। यह केवल तब होता है जब माप उपकरण तथाकथित ताऊ-समतुल्य होता है (समान कारक लोडिंग लेकिन संभवतः असमान लेकिन असंबद्ध त्रुटियां) उस$\omega_h$$\omega_h$$\alpha$$\alpha=\omega_h$। यह मैकडॉनल्ड द्वारा जल्दी प्रदर्शित किया गया था। उपयोग किए गए संकेतक के बावजूद, निम्न मान इंगित करते हैं कि यह एक योग अंक की गणना करने के लिए कोई मतलब नहीं है (यानी, प्रत्येक आइटम स्कोर के साथ एक समग्र स्कोर प्राप्त करने के लिए योगदान देने के लिए)।

करने के लिए, सहसंबद्ध माप त्रुटियों, बहुआयामीता या असमान कारक लोडिंग, दोनों संकेतकों को विचलन की संभावना बनाते हैं, साथ ही पदानुक्रमिक का उपयोग करने के लिए विश्वसनीयता माप का उपयोग करते हुए, और सहकर्मियों के अतीत के काम (देखें 1) के बारे में अधिक चर्चा के लिए।$\omega_h$

संदर्भ

1. ज़िनबर्ग, आरई, रेवेल, डब्ल्यू।, और योवेल, आई। (2007)। दो समूह कारकों वाली संरचनाओं के लिए अनुमान : जोखिम और संभावनाएं। एप्लाइड साइकोलॉजिकल मेजरमेंट , 31 (2) , 135–157।$\omega_h$
2. मैकडॉनल्ड्स, आरपी (1999)। परीक्षण सिद्धांत: एक एकीकृत उपचार । महवा, एनजे: लॉरेंस एर्लबम।
3. ज़िनबर्ग, आरई, योवेल, आई।, रेवेल, डब्ल्यू।, और मैकडोनाल्ड, आरपी (2006)। एक स्केल इंडिकेटर के सभी के लिए एक अव्यक्त परिवर्तनीय सामान्य के लिए सामान्यता का अनुमान : एक तुलना की तुलना अनुमानक के लिए$\omega_h$ । एप्लाइड साइकोलॉजिकल मेजरमेंट , 30 (2) , 121-144।

Answer 2

क्रोनबाक का अल्फा इस धारणा पर निर्भर करता है कि प्रत्येक संकेतक चर कारक के समान रूप से योगदान देता है, अर्थात, सभी (अनस्ट्रेस्ड) लोडिंग समान (ताऊ-समतुल्यता) होनी चाहिए। यदि इस धारणा का उल्लंघन किया जाता है, तो सच्ची विश्वसनीयता को कम आंका जाएगा।

अल्फा के लिए दूसरी धारणा यह है कि संकेतकों के त्रुटि संस्करण असंबद्ध होना चाहिए। दूसरे शब्दों में, संकेतक के सभी सामान्य विचरण के लिए एक एकल कारक होना चाहिए। यदि यह मामला नहीं है, तो अल्फा विश्वसनीयता को पछाड़ देगा।

ओमेगा को ताऊ-तुल्यता या असंबद्ध त्रुटि संस्करण की आवश्यकता नहीं है। ओमेगा के दो संस्करण हैं। पहले का उपयोग तब किया जाता है जब त्रुटि संस्करण असंबद्ध होते हैं, दूसरा यदि वे सहसंबद्ध होते हैं। यदि डेटा द्वारा अल्फा की मान्यताओं का उल्लंघन नहीं किया जाता है तो ओमेगा और अल्फा एक ही परिणाम देगा।

Comments

क्रोनबाक के अल्फा में यूनिडायनामिकिटी जैसी धारणाएं शामिल नहीं हैं। इसकी परिभाषा में कोई सांख्यिकीय मॉडल या वितरण नहीं है, केवल कम से कम दो आइटम स्कोर का अस्तित्व है, जिसे कुल स्कोर बनाने के लिए अभिव्यक्त किया जा सकता है।

— मैरजोलिन फोक्केमा