クロンバックのアルファ（α）：それは何であり、統計でどのように使用されていますか

心理測定は、一連の方法、技術、理論を通じて、人間の精神の心理的変数を測定および定量化する責任がある分野です。この分野には、 クロンバックのアルファ（α）、測定スケールまたはテストの信頼性を測定するために使用される係数。

信頼性はいくつかの定義がある概念ですが、テストでの測定誤差がないこと、またはその測定の精度として広く定義できます。

この記事では、クロンバックのアルファの最も関連性の高い特性、その使用法と用途、および統計での使用方法について学習します。

関連記事： "カイ二乗検定（χ²）：それが何であり、統計でどのように使用されるか"

クロンバックのα係数：特性

クロンバックのアルファ（αで表される） その名前は、1951年にこの係数をこのように命名したリー・ジョセフ・クロンバッハに由来しています。.

L.J. クロンバックは、心理測定学の研究で知られるようになったアメリカの心理学者でした。ただし、この係数の起源はHoytとGuttmanの作品にあります。

この係数は スケールの一部である変数間の相関の平均、および2つの方法で計算できます。分散（クロンバックのアルファ）またはアイテムの相関（標準化されたクロンバックのアルファ）からです。

あなたは興味があるかもしれません： "心理学と統計学：行動科学における確率の重要性"

信頼性の種類

測定器の信頼性にはいくつかの定義または「サブタイプ」があり、ひいてはそれらを決定するためのさまざまな方法もあります。 これらの信頼性サブタイプは3です、そして要約すると、これらはその特徴です。

1. 内部の一貫性

内部の一貫性としての信頼性です。それを計算するために、クロンバックのアルファが使用されます。これは、テストの内部一貫性を表します。 すべてのテスト項目が互いに共変する程度.

2. 等価

これは、2つのテストが同等または「等しい」ことを意味します。このタイプの信頼性を計算するには、並列形式または同等の形式と呼ばれる2つのマップの方法を使用します。 2つのテストが同時に適用されます. つまり、元のテスト（X）と同等のものとして特別に設計されたテスト（X '）です。

3. 安定

信頼性は、メジャーの安定性としても理解できます。それを計算するために、この場合、2つのアプリケーションの方法も使用されます テスト-再テスト. これは、元のテスト（X）を適用し、タイプが経過した後、同じテスト（X）を適用することで構成されます。

instagram story viewer

4. その他

2と3を含む信頼性のもう1つの「サブタイプ」は、代替形式を使用したテストと再テストから計算されるものです。つまり、（X）テストが適用され、一定期間が経過して、テストが再度適用されます（今回は、テストの代替形式であるX '）。

信頼性係数の計算

このように、テストまたは測定機器の信頼性が、測定を実行する精度を確立しようとする方法を見てきました。についてです 測定誤差に密接に関連する概念、信頼性が高いほど、測定誤差が少なくなります。

信頼性は、すべての測定器で常に話題になっています。彼の研究は、彼が一般的な測定器、特にテストを測定する精度を確立しようとしています。テストの信頼性が高いほど、測定の精度が高くなるため、測定エラーが少なくなります。

クロンバックのアルファは、信頼性係数を計算する方法です。 信頼性を内部の一貫性として識別します. さまざまな項目で得られた部分的な測定値がどの程度分析されるため、このように名付けられました。互いに「一貫性がある」ため、それを測定できる可能性のあるアイテムの世界を代表する構築します。

いつ使うの？

クロンバックのアルファ係数は、信頼性の計算に使用されます。ただし、テストの2つ以上の部分の間の一貫性を知ることに明確な関心がある場合を除きます（例：前半と後半。偶数および奇数の項目）または他の信頼性の「サブタイプ」を知りたい場合（たとえば、テスト-再テストなどの2つのアプリケーション方法に基づく）。

一方、 二分された価値のあるアイテムを扱っている場合、Kuder-Richardson式（KR –20およびKR -21）が使用されます。アイテムの難易度が異なる場合は、式KR –20が使用されます。難易度が同じ場合は、KR-21を使用します。

主な統計プログラムには、適用するオプションがすでにあることを考慮に入れる必要がありますこのテストは自動的に行われるため、数学的な詳細を知る必要はありません。アプリ。ただし、そのロジックを知ることは、それが提供する結果を解釈するときにその制限を考慮するのに役立ちます。

解釈

クロンバックのアルファ係数の範囲は0から1です。 1に近いほど、アイテムの一貫性が高まります。 （およびその逆）。一方、テストが長くなるほど、アルファ（α）が大きくなることを考慮に入れる必要があります。

もちろん、このテストだけでは、実行された統計分析の品質や、実行されたデータの品質を絶対的な方法で知ることはできません。

書誌参照：

バルベロ、M.I。（2010）。サイコメトリー（理論、形式、および解決された問題）。マドリッド：サンツとトレス。
マルティネス、M.A。エルナンデス、M.J。エルナンデス、M.V。（2014）。サイコメトリー。マドリッド：同盟。
Santisteban、C。 (2009). サイコメトリーの原則。マドリッド：統合。