สิ่งที่ @rolando แนะนำดูเหมือนเป็นการเริ่มต้นที่ดีหากไม่ใช่คำตอบทั้งหมด (IMO) ให้ฉันดำเนินการตามแนวทางสหสัมพันธ์ตามกรอบทฤษฎีการทดสอบคลาสสิก (CTT) ที่นี่ตามที่ระบุไว้โดย @Jeromy การวัดสรุปสำหรับกลุ่มคุณลักษณะของคุณอาจถือเป็นคะแนนรวม (หรือผลรวม) ของรายการทั้งหมด (คุณลักษณะในคำพูดของคุณ) ซึ่งเป็นของสิ่งที่ฉันจะอ้างถึงในระดับนี้ ภายใต้ CTT สิ่งนี้ช่วยให้เราสามารถกำหนดลักษณะนิสัยหรือความรับผิดของแต่ละบุคคลอย่างเป็นทางการในระดับที่ต่อเนื่องซึ่งสะท้อนการสร้างพื้นฐาน (ลักษณะแฝง) แม้ว่าที่นี่จะเป็นเพียงมาตราส่วนตามลำดับ .
สิ่งที่คุณอธิบายเกี่ยวกับสิ่งที่รู้กันว่าเป็นบรรจบ (สิ่งที่ขอบเขตของรายการในระดับเดียวกันมีความสัมพันธ์ซึ่งกันและกัน) และการเลือกปฏิบัติ (รายการที่อยู่ในระดับที่แตกต่างกันไม่ควรมีความสัมพันธ์ในระดับที่ดี) ใน psychometrics เทคนิคคลาสสิกรวมถึงการวิเคราะห์หลายวิธีหลายวิธี (MTMM) (Campbell & Fiske, 1959) ภาพประกอบแสดงวิธีการทำงานด้านล่าง (สามวิธีหรือเครื่องมือสามโครงสร้างหรือลักษณะ):
ในเมทริกซ์ MTMM นี้องค์ประกอบในแนวทแยงอาจจะเป็นความสัมพันธ์ระหว่างอินเทราคลาสของครอนบาคหรือทดสอบซ้ำ สิ่งเหล่านี้เป็นตัวบ่งชี้ความน่าเชื่อถือของแต่ละขนาดการวัด ความถูกต้องของสมมติฐาน (ร่วม) สร้างโดยจะมีการประเมินความสัมพันธ์ของคะแนนตาชั่งเมื่อเครื่องมือที่แตกต่างกันจะใช้ในการประเมินลักษณะเดียวกัน หากเครื่องมือเหล่านี้ได้รับการพัฒนาอย่างอิสระความสัมพันธ์สูง ( ) จะสนับสนุนแนวคิดที่กำหนดไว้ในลักษณะที่สอดคล้องและมีวัตถุประสงค์ เซลล์ที่เหลืออยู่ในเมทริกซ์ MTMM นี้สรุปความสัมพันธ์ระหว่างลักษณะภายในเมธอดและระหว่างลักษณะข้ามเมธอด< .3> 0.7และบ่งบอกถึงวิธีการสร้างสิ่งก่อสร้างที่ไม่เหมือนใครด้วยเกล็ดที่แตกต่างกันและความสัมพันธ์ระหว่างคุณลักษณะแต่ละอย่างในระดับที่กำหนด สมมติว่าคุณสมบัติอิสระโดยทั่วไปเราไม่คาดหวังว่าจะสูง (เกณฑ์ที่แนะนำคือ ) แต่สามารถทำการทดสอบสมมติฐานอย่างเป็นทางการได้มากกว่า (ตามการประมาณค่าสหสัมพันธ์) สามารถทำได้ ความละเอียดอ่อนคือเราใช้สิ่งที่เรียกว่า "rest correlation" นั่นคือเราคำนวณความสัมพันธ์ระหว่างไอเท็ม (หรือลักษณะ) และสเกลของมัน (หรือวิธีการ) หลังจากลบการสนับสนุนของไอเท็มนี้ไปยังคะแนนรวมของสเกลนี้ ที่ทับซ้อนกัน)< .3
แม้ว่าวิธีการนี้จะได้รับการพัฒนาเพื่อประเมินความถูกต้องของคอนเวอร์เจนซ์และการเลือกปฏิบัติในลักษณะที่กำหนดจำนวนหนึ่งซึ่งศึกษาโดยเครื่องมือวัดที่แตกต่างกัน จากนั้นลักษณะจะกลายเป็นรายการและวิธีการเป็นเพียงเครื่องชั่งที่แตกต่างกัน ลักษณะทั่วไปของวิธีการนี้เพื่อเป็นเครื่องมือเดียวที่เป็นที่รู้จักกันปรับ multitrait รายการที่สัมพันธ์กันตามที่คาดไว้ (เช่นมีขนาดของตัวเองมากกว่าระดับที่แตกต่างกัน) จะนับเป็นความสำเร็จในการไต่ระดับ. อย่างไรก็ตามเรามักจะสมมติว่าเครื่องชั่งที่แตกต่างกันนั้นไม่มีความสัมพันธ์กันนั่นคือเครื่องชั่งเหล่านี้มีเป้าหมายอยู่ที่การสร้างสมมุติฐานที่แตกต่างกัน แต่การหาค่าเฉลี่ยของความสัมพันธ์ภายในและระหว่างขนาดเป็นวิธีที่รวดเร็วในการสรุปโครงสร้างภายในของเครื่องมือของคุณ อีกวิธีที่สะดวกในการทำเช่นนี้คือการใช้การวิเคราะห์กลุ่มบนเมทริกซ์ของความสัมพันธ์แบบคู่และดูว่าตัวแปรของคุณทำงานร่วมกันอย่างไร
จากการสังเกตในทั้งสองกรณีจะใช้การทำงานร่วมกับการวัดความสัมพันธ์โดยทั่วไปนั่นคือคุณไม่สามารถอธิบายถึงข้อผิดพลาดในการวัดคุณต้องมีตัวอย่างจำนวนมากเครื่องมือหรือการทดสอบจะถือว่าเป็น "ขนาน" (tau-สมมูลข้อผิดพลาด uncorrelated ความแตกต่างข้อผิดพลาดเท่ากับ)
ส่วนที่สองที่ได้รับการแก้ไขโดย @rolando ก็น่าสนใจเช่นกัน: หากไม่มีสิ่งบ่งชี้ทางทฤษฎีหรือเนื้อหาสาระที่ชัดเจนว่าการจัดกลุ่มรายการที่มีอยู่แล้วเหมาะสมคุณจะต้องหาวิธีที่จะเน้นโครงสร้างของข้อมูลด้วยเช่นการวิเคราะห์ปัจจัยเชิงสำรวจ . แต่ถึงแม้ว่าคุณจะเชื่อถือ "ลักษณะเฉพาะภายในกลุ่ม" คุณสามารถตรวจสอบว่านี่เป็นข้อสมมติฐานที่ถูกต้อง ตอนนี้คุณอาจใช้รูปแบบการวิเคราะห์ปัจจัยยืนยันเพื่อตรวจสอบว่ารูปแบบของการโหลดรายการ (ความสัมพันธ์ของรายการที่มีระดับของตนเอง) ทำงานตามที่คาดไว้
แทนที่จะใช้วิธีการวิเคราะห์ปัจจัยแบบดั้งเดิมคุณสามารถดูการจัดกลุ่มรายการ (Revelle, 1979) ซึ่งอาศัยกฎการแยกแบบอิงแอลฟาของครอนบาคเพื่อจัดกลุ่มรายการเข้าด้วยกันเป็นเครื่องชั่งที่เป็นเนื้อเดียวกัน
คำสุดท้าย: หากคุณใช้ R มีสองแพ็คเกจที่ดีมากที่จะช่วยลดขั้นตอนดังกล่าว:
- วิญญาณให้คุณมีทุกสิ่งที่คุณต้องการสำหรับการเริ่มต้นด้วยวิธีการ psychometrics รวมถึงการวิเคราะห์ปัจจัย (
fa
, fa.parallel
, principal
) รายการจัดกลุ่ม ( ICLUST
และวิธีการที่เกี่ยวข้อง), อัลฟาของ Cronbach ( alpha
); มีภาพรวมที่ดีมีอยู่ในเว็บไซต์วิลเลียมเรเวลล์โดยเฉพาะอย่างยิ่งความรู้เบื้องต้นเกี่ยวกับทฤษฎีทางจิตวิทยากับการประยุกต์ใช้ในการวิจัย
- psyรวมถึงพล็อตหินกรวด (ผ่านชุดข้อมูล PCA + จำลอง) (
scree.plot
) และ MTMM ( mtmm
)
อ้างอิง
- Campbell, DT และ Fiske, DW (1959) การตรวจสอบความเข้ากันได้และการจำแนกโดยเมทริกซ์หลายวิธี แถลงการณ์ทางจิตวิทยา , 56: 81–105
- Hays, RD และ Fayers, P. (2005) การประเมินสเกลหลายรายการ ในการประเมินคุณภาพชีวิตในการทดลองทางคลินิก (เฟย์เยอร์, พี. และเฮย์ส, อาร์, สหพันธ์), หน้า 41-53 ฟอร์ด
- Revelle, W. (1979) การวิเคราะห์คลัสเตอร์ตามลำดับชั้นและโครงสร้างภายในของการทดสอบ การวิจัยพฤติกรรมหลายตัวแปร , 14: 57-74
vegan
มีฟังก์ชั่นanosim
หรือเด่นกว่าadonis
(permutational MANOVA)