อะไรคือความสัมพันธ์ระหว่างการวัดความน่าเชื่อถือของเครื่องชั่ง (อัลฟ่าของครอนบาค) และการโหลดส่วนประกอบ / ปัจจัย

สมมติว่าฉันมีชุดข้อมูลที่มีคะแนนในรายการแบบสอบถามจำนวนมากซึ่งในทางทฤษฎีประกอบด้วยเครื่องชั่งจำนวนน้อยเช่นในการวิจัยทางจิตวิทยา

ฉันรู้วิธีการทั่วไปที่นี่คือการตรวจสอบความน่าเชื่อถือของเครื่องชั่งโดยใช้อัลฟ่าของครอนบาคหรือสิ่งที่คล้ายกันจากนั้นรวมรายการในเครื่องชั่งเพื่อสร้างคะแนนมาตราส่วนและทำการวิเคราะห์ต่อไปจากที่นั่น

แต่ยังมีการวิเคราะห์ปัจจัยซึ่งสามารถนำคะแนนรายการทั้งหมดของคุณมาเป็นข้อมูลป้อนเข้าและบอกให้คุณทราบว่าปัจจัยใดเป็นปัจจัยที่สอดคล้องกัน คุณสามารถรับรู้ว่าปัจจัยเหล่านี้แข็งแกร่งเพียงใดโดยดูที่การโหลดและชุมชนและอื่น ๆ สำหรับฉันแล้วมันดูเหมือนสิ่งที่เหมือนกันมีเพียงเชิงลึกเท่านั้น

แม้ว่าความน่าเชื่อถือในเครื่องชั่งของคุณจะดี แต่ EFA อาจแก้ไขให้คุณได้ว่ารายการใดเหมาะสมกับเครื่องชั่งที่ดีกว่าใช่ไหม คุณอาจจะได้รับการโหลดข้ามและมันอาจสมเหตุสมผลกว่าที่จะใช้คะแนนปัจจัยที่ได้รับมากกว่าผลรวมของสเกลแบบง่าย

หากฉันต้องการใช้เครื่องชั่งน้ำหนักเหล่านี้สำหรับการวิเคราะห์ในภายหลัง (เช่นการถดถอยหรือ ANOVA) ฉันควรรวมเครื่องชั่งตราบใดที่ความน่าเชื่อถือของพวกเขามีอยู่? หรือเป็นเหมือน CFA (การทดสอบเพื่อดูว่าเครื่องชั่งถือเป็นปัจจัยที่ดีหรือไม่ซึ่งดูเหมือนจะวัดในลักษณะเดียวกันกับ 'ความน่าเชื่อถือ')

ฉันได้รับการสอนเกี่ยวกับวิธีการทั้งสองอย่างอิสระดังนั้นฉันจึงไม่ทราบว่าพวกเขาเกี่ยวข้องกันอย่างไรไม่ว่าพวกเขาจะสามารถใช้ร่วมกันได้หรืออย่างใดอย่างหนึ่งที่เหมาะสมกับบริบทใด มีต้นไม้ตัดสินใจสำหรับการปฏิบัติวิจัยที่ดีในกรณีนี้หรือไม่? สิ่งที่ต้องการ:

• เรียกใช้ CFA ตามรายการมาตราส่วนที่คาดการณ์ไว้

  • ถ้า CFA มีขนาดพอดีให้คำนวณคะแนนตัวประกอบและใช้สำหรับการวิเคราะห์
  • หาก CFA มีขนาดไม่พอดีให้เรียกใช้ EFA แทนและใช้วิธีการสำรวจ (หรือบางอย่าง)

การวิเคราะห์ปัจจัยและการทดสอบความน่าเชื่อถือเป็นวิธีการแยกจากกันในเรื่องเดียวกันหรือฉันเข้าใจผิดบางแห่งหรือไม่?

ฉันจะเพิ่มคำตอบที่นี่แม้ว่าคำถามจะถูกถามเมื่อปีที่แล้ว คนส่วนใหญ่ที่เกี่ยวข้องกับข้อผิดพลาดในการวัดจะบอกคุณว่าการใช้คะแนนปัจจัยจาก CFA ไม่ใช่วิธีที่ดีที่สุดในการก้าวไปข้างหน้า การทำ CFA นั้นดี การประเมินคะแนนปัจจัยจะใช้ได้ตราบใดที่คุณแก้ไขจำนวนข้อผิดพลาดในการวัดที่เกี่ยวข้องกับคะแนนปัจจัยเหล่านั้นในการวิเคราะห์ที่ตามมา (โปรแกรม SEM เป็นที่ที่ดีที่สุดในการทำเช่นนี้)

ในการรับความน่าเชื่อถือของคะแนนปัจจัยคุณต้องคำนวณความน่าเชื่อถือของโครงสร้างแฝงจาก CFA (หรือ rho) ก่อน:

rho =  Factor score variance/(Factor score variance + Factor score standard
error^2). 

โปรดทราบว่าข้อผิดพลาดมาตรฐานคะแนนปัจจัย ^ 2 คือความแปรปรวนข้อผิดพลาดของคะแนนปัจจัย ข้อมูลนี้สามารถมีได้ใน MPlus โดยการร้องขอเอาต์พุต PLOT3 ซึ่งเป็นส่วนหนึ่งของโปรแกรม CFA ของคุณ

ในการคำนวณความน่าเชื่อถือโดยรวมของคะแนนปัจจัยคุณใช้สูตรต่อไปนี้:

(1-rho)*(FS variance+FS error variance).

ค่าผลลัพธ์คือความแปรปรวนข้อผิดพลาดของคะแนนปัจจัย หากคุณใช้ MPlus สำหรับการวิเคราะห์ในภายหลังคุณจะสร้างตัวแปรแฝงที่กำหนดโดยรายการเดียว (คะแนนตัวประกอบ) จากนั้นระบุความน่าเชื่อถือของคะแนนตัวประกอบ:

LatentF BY FScore@1;
FScore@(calculated reliability value of factor score) 

หวังว่านี่จะเป็นประโยชน์! แหล่งข้อมูลที่ดีสำหรับปัญหานี้คือบันทึกการบรรยาย (โดยเฉพาะอย่างยิ่งการบรรยายที่ 11) จากคลาส SEM ของ Lesa Hoffman ที่ University of Nebraska, Lincoln http://www.lesahoffman.com/948/