प्रश्नावली मान्य करना

Question

मैं अपने शोध प्रबंध के लिए एक प्रश्नावली तैयार कर रहा हूं। मैं उस प्रश्नावली को मान्य करने की प्रक्रिया में हूं जिसे मैंने प्रारंभिक नमूना समूह में क्रोनबेक के अल्फा परीक्षण में लागू किया है। प्रश्नावली की प्रतिक्रियाएं एक बड़े पैमाने पर हैं; क्या कोई इसकी वैधता का परीक्षण करने में मदद करने के लिए किसी और परीक्षण का सुझाव दे सकता है। मैं आँकड़ों का विशेषज्ञ नहीं हूँ इसलिए किसी भी मदद की सराहना की जाएगी।

मैं कुछ शोध कर रहा हूं और ऐसा प्रतीत होता है कि मैं एक राश विश्लेषण कर सकता हूं किसी को भी इस परीक्षण और सलाह को लागू करने के लिए कोई मुफ्त सॉफ़्टवेयर साइटें मिली हैं?

Answer 1

मैं मान लूंगा कि आपकी प्रश्नावली को एक अनपेक्षित पैमाने के रूप में माना जाना है (अन्यथा, क्रोनबाक का अल्फा बहुत महत्वपूर्ण अर्थ नहीं रखता है)। इसके लिए जांच करने के लिए एक खोजपूर्ण कारक विश्लेषण चलाने के लायक है। यह आपको यह देखने की भी अनुमति देगा कि आइटम किस तरह से संबंधित हैं (यानी, उनके लोडिंग के माध्यम से)।

आपके आइटम और आपके पैमाने को मान्य करने के लिए बुनियादी कदम शामिल होने चाहिए:

• आइटम के बुनियादी आंकड़ों (रेंज, चतुर्थक, केंद्रीय प्रवृत्ति, छत और फर्श के प्रभावों पर कोई पूर्ण रिपोर्ट) यदि कोई हो;
• आंतरिक स्थिरता की जांच करना जैसा कि आपने अपने अल्फा के साथ किया है (सबसे अच्छा, 95% आत्मविश्वास अंतराल दें, क्योंकि यह नमूना-निर्भर है);
• आप सामान्य आंकड़ों (हिस्टोग्राम + घनत्व, क्वांटाइल्स आदि) के साथ सारांश उपाय (जैसे, कुल या औसत स्कोर, उर्फ ​​स्केल स्कोर) का वर्णन करते हैं;
• विशिष्ट कोवरिएट्स के खिलाफ अपने सारांश प्रतिक्रियाओं की जांच करें जो आपके निर्माण से संबंधित होने का अनुमान लगा रहे हैं - इसे ज्ञात-समूह वैधता के रूप में जाना जाता है;
• यदि संभव हो, तो एक ही निर्माण ( समवर्ती या अभिसरण वैधता) को मापने के लिए जाने वाले उपकरणों के खिलाफ अपने सारांश प्रतिक्रियाओं की जांच करें ।

यदि आपका पैमाना अकाट्य नहीं है, तो ये चरण प्रत्येक सब्स्क्राइब के लिए किए जाने हैं, और आप दूसरे-ऑर्डर कारक संरचना का आकलन करने के लिए अपने कारकों के सहसंबंध मैट्रिक्स को भी प्रभावित कर सकते हैं (या संरचनात्मक समीकरण मॉडलिंग, या पुष्टिकरण कारक विश्लेषण का उपयोग कर सकते हैं, या) जो तुम्हे चाहिये)। आप मल्टी-ट्रांजिट स्केलिंग या मल्टी-ट्रेल मल्टी-मल्टी मॉडलिंग (तराजू के भीतर और बीच के अंतरसंबंधों के आधार पर), या, फिर से, SEM का उपयोग करके अभिसरण और विभेदक वैधता का आकलन कर सकते हैं।

फिर, मैं कहूंगा कि आइटम रिस्पॉन्स थ्योरी आपकी मदद नहीं करेगी, जब तक कि आप अपनी प्रश्नावली को छोटा करने में रुचि न लें, कुछ आइटमों को फ़िल्टर करना, जो विभेदक आइटम कार्य कर रहे हैं , या किसी प्रकार के कंप्यूटर अनुकूली परीक्षण में अपने परीक्षण का उपयोग करें ।

किसी भी स्थिति में, रास मॉडल बाइनरी आइटम के लिए है। पॉलीटोमस ऑर्डर किए गए आइटमों के लिए, सबसे अधिक इस्तेमाल किए जाने वाले मॉडल हैं:

• वर्गीकृत प्रतिक्रिया मॉडल
• आंशिक क्रेडिट मॉडल
• रेटिंग स्केल मॉडल।

केवल बाद के दो रैस्च परिवार से हैं, और वे मूल रूप से एक आसन्न बाधाओं का उपयोग करते हैं, इस विचार के साथ कि किसी दिए गए प्रतिक्रिया श्रेणी को समर्थन करने के लिए कई थ्रेसहोल्ड को "पास" करना है। इन दोनों मॉडलों के बीच अंतर यह है कि पीसीएम यह नहीं लगाता है कि थ्रेसहोल्ड को थीटा ( क्षमता , या अव्यक्त विशेषता पर विषय स्थान) पर समान रूप से स्थान दिया जाता है । श्रेणीबद्ध प्रतिक्रिया मॉडल एक संचयी बाधाओं के निर्माण पर निर्भर करता है। विदित हो कि ये सभी मॉडल यह मानते हैं कि पैमाना एकतरफा है; यानी, केवल एक अव्यक्त विशेषता है। अतिरिक्त धारणाएं हैं, जैसे, स्थानीय स्वतंत्रता (यानी, प्रतिक्रियाओं के बीच संबंध क्षमता पैमाने पर भिन्नता द्वारा समझाया गया है)।

वैसे भी, आपको जर्नल ऑफ़ स्टैटिस्टिकल सॉफ्टवेयर के वॉल्यूम 20 में R: साइकोमेट्रिक विधियों को लागू करने के लिए एक बहुत ही संपूर्ण दस्तावेज़ और उपयोगी सुराग मिलेंगे : R में साइकोमेट्रिक्स । मूल रूप से, सबसे दिलचस्प आर पैकेज जो मैं अपने दैनिक कार्य में उपयोग करता हूं वे हैं: ltm , eRm , psych , psy । दूसरों को CRAN कार्य दृश्य साइकोमेट्रिक्स पर संदर्भित किया जाता है । ब्याज के अन्य संसाधन हैं:

• मनोविज्ञान प्रयोगों और प्रश्नावली के लिए आर के उपयोग पर नोट्स
• मनोवैज्ञानिक अनुसंधान के लिए R का उपयोग करना (W। Revelle वास्तव में R में साइकोमेट्रिक्स पर एक पुस्तक लिख रहा है )
• PsychoR परियोजना (यह आईआरटी और पैमाने पर विकास पर है, हालांकि ध्यान केंद्रित नहीं करता)।

स्केल विकास में एफए बनाम आईआरटी के उपयोग पर एक अच्छी समीक्षा स्केल निर्माण और व्यवहार में मूल्यांकन से मिल सकती है: दस होल्ट एट अल (मनोवैज्ञानिक परीक्षण और मूल्यांकन मॉडलिंग) (2010) द्वारा कारक विश्लेषण बनाम आइटम प्रतिक्रिया सिद्धांत अनुप्रयोगों की समीक्षा। 52 (3): 272-297)।

Answer 2

ऊपर बताई गई हर बात का समर्थन करते हुए, मैं आपको सुझाव दूंगा कि आप निम्नलिखित करें (पर्याप्त पर्याप्त क्रम में)

सबसे पहले, आपको आर का उपयोग करना चाहिए, यदि आपको शुरू नहीं करना चाहिए। R के उपयोग पर निम्नलिखित सलाह की भविष्यवाणी की गई है।

मुझे लगता है कि आपके पास इस बिंदु पर, वर्णनात्मक आंकड़ों की गणना की जाएगी एट अल। यदि नहीं, तो मनोवैज्ञानिक पैकेज में एक वर्णन () फ़ंक्शन है जो आपको आवश्यक आंकड़े प्रदान करना चाहिए।

CRAN से मनोवैज्ञानिक पैकेज स्थापित करें। मनोवैज्ञानिक पैकेज लोड करें। अपने डेटा पर fa.parallel दिनचर्या का उपयोग करें। इसे बनाए रखने के लिए आपको कई कारक देने चाहिए। फिर, वीएसएस (दिनचर्या) का उपयोग करें। यह एमएपी मानदंड की गणना करता है जो आपको बनाए रखने के लिए कारकों की एक अलग (सामान्य रूप से) संख्या देता है। प्रत्येक प्रकार के कारकों के लिए एक कारक विश्लेषण (प्रमुख घटक नहीं) और एक तिरछा घुमाव का उपयोग करें। यदि आपके कारक तिरछे घुमाव के बाद सहसंबंधित नहीं दिखाई देते हैं, तो orhogonal रोटेशन पर जाएँ। यह एक ऑर्थोगोनल संरचना के रूप में एक तिरछी घुमाव से निर्धारित किया जा सकता है, लेकिन इसके विपरीत नहीं।

MAP मानदंड और समानांतर विश्लेषण मानदंड के बीच सभी कारक समाधान निकालें। निर्धारित करें कि इनमें से कौन सा सबसे अच्छा फिट सूचक है और सबसे अधिक समझ में आता है। यह वह है जिसे आपको बनाए रखना चाहिए।

IRT पर, ltm और eRm दोनों का उपयोग करते हुए, मैं सुझाव दूंगा कि eRm से शुरू करूं। इसमें आपके मॉडलों के लिए बेहतर ग्राफिक्स कार्य हैं, और बहुपत्नी मॉडल के लिए समर्थन अधिक है। यह कहा जा रहा है, यह केवल रास्च मॉडल पर फिट बैठता है, और अक्सर मनोवैज्ञानिक प्रश्नावली के डेटा उनके लिए आवश्यकताओं को पूरा नहीं करते हैं। सौभाग्य! साइकोमेट्रिक्स बहुत मजेदार है, क्योंकि आपको कोई संदेह नहीं होगा।

Comments

(+1) जो अच्छा लगता है। आईआरटी मॉडलिंग और एफए के साथ अपने अनुभव को साझा करने के लिए धन्यवाद। ग्राफिक्स फ़ंक्शंस के अलावा, ईआरएम में सशर्त दृष्टिकोण राश द्वारा थीटा की प्रारंभिक सोच के अनुरूप अधिक है (एक निश्चित पैरामीटर के रूप में)।

— chl

Answer 3

प्रश्नावली को मान्य करने का अर्थ है कि यह मापना कि यह क्या मापना है। तो मैं कहूंगा, यह ज्यादातर एक सांख्यिकीय सवाल नहीं है और इसका उत्तर आपकी प्रश्नावली की विशिष्ट सामग्री को जाने बिना नहीं किया जा सकता है। Cronbach अल्फा वैधता के बारे में नहीं है, लेकिन आंतरिक स्थिरता, जो कुछ हद तक विश्वसनीयता से संबंधित है के बारे में (या एक कह सकते हैं यह है यह मानते हुए अपने प्रश्नों परस्पर विनिमय कर रहे विश्वसनीयता - लेकिन वे नहीं कर रहे हैं)।

तो आप अपनी प्रश्नावली को मान्य करने के लिए क्या कर सकते हैं? आप अध्ययन कर सकते हैं कि कौन सी मनोवैज्ञानिक प्रक्रिया परिणामों के विशिष्ट पैटर्न को जन्म देती है (जैसे प्रयोगात्मक जोड़तोड़ के साथ इस तरह के पैटर्न को प्रेरित करने की कोशिश करके, या एक थिंक-अलाउड प्रक्रिया का उपयोग करके ["प्रोटोकॉल विश्लेषण", एरिक्सन और साइमन, 1992])। या कुछ विपरीत समूहों की तुलना करें (जैसे नियंत्रण वाले रोगी) जिनके पास अलग-अलग स्कोर होना चाहिए। या इसे एक बाहरी मानदंड के साथ सहसंबंधित करें जो आपके द्वारा मापी जा रही विशेषता के साथ सहसंबद्ध होना चाहिए। या साइकोस्कोप (टीएम) द्वारा विशेषता को मापें और इसे एक मानदंड के रूप में उपयोग करें।

अन्य उत्तर यह इंगित करने में अधिक उपयोगी हैं कि आप संभवतः वास्तविक रूप से क्या कर सकते हैं - भले ही इसका अधिकांश हिस्सा सख्ती से बोल रहा हो, वैधता के बारे में नहीं (उदाहरण के लिए, "ज्ञात समूह वैधता" और बाहरी वैधता के लिए ची के संदर्भ)।

वैधता के लिए एक आधुनिक दृष्टिकोण के लिए मार्कस एंड बोर्सबॉम (2013) भी देखें (यह और कुछ अन्य उपयोगी रीफ @ बोरसूम के होमपेज )।