คำถามติดแท็ก cronbachs-alpha

2
การประเมินความน่าเชื่อถือของแบบสอบถาม: มิติรายการที่มีปัญหาและควรใช้อัลฟ่าแลมบ์ดา 6 หรือดัชนีอื่น ๆ หรือไม่?
ฉันกำลังวิเคราะห์คะแนนที่ได้รับจากผู้เข้าร่วมการทดลอง ฉันต้องการประเมินความน่าเชื่อถือของแบบสอบถามซึ่งประกอบด้วย 6 รายการที่มีวัตถุประสงค์เพื่อประเมินทัศนคติของผู้เข้าร่วมที่มีต่อผลิตภัณฑ์ ฉันคำนวณอัลฟ่าของครอนบาครักษาสิ่งของทั้งหมดในระดับเดียว (อัลฟาประมาณ 0.6) และลบทีละรายการ (ครั้งอัลฟาสูงสุดมีค่าประมาณ 0.72) ฉันรู้ว่าอัลฟาสามารถประเมินและประเมินค่าสูงไปน้อยได้ขึ้นอยู่กับจำนวนรายการและมิติข้อมูลของโครงสร้างพื้นฐาน ดังนั้นฉันจึงแสดง PCA การวิเคราะห์นี้พบว่ามีองค์ประกอบหลักสามประการที่อธิบายความแปรปรวนได้ประมาณ 80% ดังนั้นคำถามของฉันเกี่ยวกับฉันจะดำเนินการต่อไปได้อย่างไร ฉันต้องทำการคำนวณอัลฟ่าในแต่ละส่วนข้อมูลเหล่านี้หรือไม่ ฉันได้ลบรายการที่มีผลต่อความน่าเชื่อถือหรือไม่ นอกจากนี้การค้นหาบนเว็บฉันพบว่ามีการวัดความน่าเชื่อถืออีกอย่างหนึ่งคือ lambda6 ของ guttman ความแตกต่างที่สำคัญระหว่างการวัดนี้กับอัลฟ่าคืออะไร? แลมบ์ดามีคุณค่าที่ดีอย่างไร

3
คำอธิบายสำหรับค่าอัลฟาของครอนบาคมาจากที่ใด (เช่นแย่มากยอดเยี่ยม)
ดูเหมือนเป็นเรื่องธรรมดาที่จะอธิบายค่าอัลฟ่าของครอนบาชดังนี้ α≥ 0.9 ยอดเยี่ยม 0.7 ≤α <0.9 ดี 0.6 ≤α <0.7 ได้รับการยอมรับ 0.5 ≤α <0.6 แย่ α <0.5 ไม่สามารถยอมรับได้ คุณค่าเหล่านี้มาจากไหน ฉันไม่พบบทความวิจัยต้นฉบับที่อธิบายสิ่งเหล่านี้ แก้ไข: ฉัน 90% แน่ใจว่ามันขึ้นอยู่กับการประชุมเท่านั้นและไม่มีบทความวิจัยแบบดั้งเดิมที่สรุปไว้เหล่านี้

1
ฉันจะรวมเอานวัตกรรมล้ำสมัยที่การสังเกตที่ 48 ในโมเดล ARIMA ของฉันได้อย่างไร
ฉันกำลังทำงานกับชุดข้อมูล หลังจากใช้เทคนิคการระบุตัวแบบบางอย่างฉันก็ออกมาพร้อมกับแบบจำลอง ARIMA (0,2,1) ผมใช้detectIOฟังก์ชั่นในแพคเกจTSAในการวิจัยที่จะตรวจพบนวัตกรรมขอบเขต (IO) ที่สังเกต 48th ของชุดข้อมูลเดิมของฉัน ฉันจะรวมค่าผิดปกตินี้ไว้ในแบบจำลองของฉันเพื่อที่ฉันจะสามารถใช้เพื่อวัตถุประสงค์ในการพยากรณ์ได้อย่างไร ฉันไม่ต้องการใช้แบบจำลอง ARIMAX เนื่องจากฉันอาจไม่สามารถคาดการณ์ได้จากสิ่งนั้นใน R มีวิธีอื่นที่ฉันสามารถทำได้หรือไม่ นี่คือค่านิยมของฉันตามลำดับ: VALUE <- scan() 4.6 4.5 4.4 4.5 4.4 4.6 4.7 4.6 4.7 4.7 4.7 5.0 5.0 4.9 5.1 5.0 5.4 5.6 5.8 6.1 6.1 6.5 6.8 7.3 7.8 8.3 8.7 9.0 9.4 9.5 9.5 …
10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 

1
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?
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.