อัลฟ่าของครอนบาค (α): มันคืออะไรและใช้อย่างไรในสถิติ

Psychometry เป็นวินัยที่รับผิดชอบในการวัดและหาปริมาณตัวแปรทางจิตวิทยาของจิตใจมนุษย์ผ่านชุดของวิธีการเทคนิคและทฤษฎี สาขาวิชานี้เป็นของ อัลฟ่าของครอนบัค (α)สัมประสิทธิ์ที่ใช้ในการวัดความน่าเชื่อถือของมาตราส่วนการวัดหรือการทดสอบ

ความน่าเชื่อถือเป็นแนวคิดที่มีคำจำกัดความหลายประการ แม้ว่าจะสามารถกำหนดได้อย่างกว้างๆ ว่าไม่มีข้อผิดพลาดในการวัดในการทดสอบ หรือเป็นความแม่นยำของการวัด

ในบทความนี้ เราจะมาเรียนรู้เกี่ยวกับคุณลักษณะที่เกี่ยวข้องมากที่สุดของ Alpha ของ Cronbach รวมถึงการใช้งานและการใช้งาน และวิธีการใช้ในสถิติ

• บทความที่เกี่ยวข้อง: "การทดสอบไคสแควร์ (χ²): มันคืออะไรและใช้อย่างไรในสถิติ"

อัลฟ่าของครอนบัค: ลักษณะเฉพาะ

อัลฟ่าของครอนบัค (แสดงโดย α) เป็นหนี้ชื่อ Lee Joseph Cronbach ผู้ตั้งชื่อสัมประสิทธิ์นี้ในปี 1951.

แอล.เจ. Cronbach เป็นนักจิตวิทยาชาวอเมริกันที่เป็นที่รู้จักจากผลงานด้านจิตวิทยา อย่างไรก็ตาม ที่มาของค่าสัมประสิทธิ์นี้พบได้ในผลงานของ Hoyt และ Guttman

ค่าสัมประสิทธิ์นี้ประกอบด้วย ค่าเฉลี่ยความสัมพันธ์ระหว่างตัวแปรที่เป็นส่วนหนึ่งของมาตราส่วนและสามารถคำนวณได้สองวิธี: จากความแปรปรวน (อัลฟ่าของครอนบัค) หรือจากความสัมพันธ์ของรายการ (อัลฟ่าของครอนบาคที่ได้มาตรฐาน)

• คุณอาจสนใจ: "จิตวิทยาและสถิติ: ความสำคัญของความน่าจะเป็นในพฤติกรรมศาสตร์"

ประเภทของความน่าเชื่อถือ

ความน่าเชื่อถือของเครื่องมือวัดมีคำจำกัดความหรือ "ประเภทย่อย" หลายแบบ และโดยการขยาย ยังมีวิธีการที่แตกต่างกันในการพิจารณา ชนิดย่อยความน่าเชื่อถือเหล่านี้คือ3และโดยสรุป สิ่งเหล่านี้คือลักษณะของมัน

1. ความสอดคล้องภายใน

ความน่าเชื่อถือเป็นความสอดคล้องภายใน ในการคำนวณจะใช้ Alpha ของ Cronbach ซึ่งแสดงถึงความสอดคล้องภายในของการทดสอบนั่นคือ ระดับที่รายการทดสอบทั้งหมดมีความแปรปรวนซึ่งกันและกัน.

2. ความเท่าเทียมกัน

หมายความว่าการทดสอบสองรายการเทียบเท่าหรือ "เท่ากัน" ในการคำนวณความน่าเชื่อถือประเภทนี้จะใช้วิธีการสองแผนที่ที่เรียกว่ารูปแบบขนานหรือเทียบเท่าโดยที่ ใช้การทดสอบสองครั้งพร้อมกัน. นั่นคือการทดสอบดั้งเดิม (X) และการทดสอบที่ออกแบบมาโดยเฉพาะให้เทียบเท่า (X ')

3. ความเสถียร

ความน่าเชื่อถือยังสามารถเข้าใจได้ว่าเป็นความเสถียรของการวัด ในการคำนวณจะใช้วิธีการสองแอปพลิเคชันในกรณีนี้ สอบ-สอบ. ประกอบด้วยการใช้การทดสอบเดิม (X) และหลังจากหมดเวลาประเภท การทดสอบเดียวกัน (X)

4. อื่นๆ

“ประเภทย่อย” ของความน่าเชื่อถืออีกประเภทหนึ่ง ซึ่งรวมถึง 2 และ 3 คือประเภทที่คำนวณจากการทดสอบซ้ำด้วยรูปแบบทางเลือก นั่นคือ การทดสอบ (X) จะถูกนำไปใช้ ช่วงเวลาหนึ่งจะผ่านไปและการทดสอบจะถูกนำไปใช้อีกครั้ง (คราวนี้เป็นการทดสอบรูปแบบอื่น นั่นคือ X ')

การคำนวณค่าสัมประสิทธิ์ความน่าเชื่อถือ

ดังนั้น เราได้เห็นแล้วว่าความน่าเชื่อถือของการทดสอบหรือเครื่องมือวัดพยายามสร้างความแม่นยำในการวัดอย่างไร เกี่ยวกับ แนวคิดที่เกี่ยวข้องอย่างใกล้ชิดกับข้อผิดพลาดในการวัดเนื่องจากยิ่งมีความน่าเชื่อถือมากเท่าใด ข้อผิดพลาดในการวัดก็จะยิ่งน้อยลงเท่านั้น

ความน่าเชื่อถือเป็นหัวข้อที่คงที่ในเครื่องมือวัดทั้งหมด การศึกษาของเขาพยายามที่จะสร้างความแม่นยำในการวัดเครื่องมือวัดทั่วไปและการทดสอบโดยเฉพาะ ยิ่งการทดสอบมีความน่าเชื่อถือมากเท่าใด การทดสอบก็จะยิ่งแม่นยำมากขึ้นเท่านั้น ดังนั้นจึงทำให้เกิดข้อผิดพลาดในการวัดน้อยลง

Alpha ของ Cronbach เป็นวิธีการคำนวณค่าสัมประสิทธิ์ความน่าเชื่อถือซึ่ง ระบุความน่าเชื่อถือเป็นความสอดคล้องภายใน. มันถูกตั้งชื่ออย่างนั้นเพราะวิเคราะห์ว่ามาตรการบางส่วนที่ได้รับจากรายการต่าง ๆ นั้นเป็นอย่างไร "สม่ำเสมอ" ซึ่งกันและกันจึงเป็นตัวแทนของจักรวาลที่เป็นไปได้ของสิ่งของที่สามารถวัดได้ว่า สร้าง.

ใช้เมื่อไหร่?

ค่าสัมประสิทธิ์อัลฟาของครอนบาคจะใช้ในการคำนวณความน่าเชื่อถือ ยกเว้นในกรณีที่เรามีความสนใจอย่างชัดแจ้งในการทราบความสอดคล้องระหว่างสองส่วนหรือมากกว่าของการทดสอบ (เช่น ครึ่งแรกและครึ่งหลัง; รายการคู่และคี่) หรือเมื่อเราต้องการทราบ "ประเภทย่อย" ความน่าเชื่อถืออื่น ๆ (เช่นตามวิธีการใช้งานสองวิธีเช่นการทดสอบซ้ำ)

ในทางกลับกัน, ในกรณีที่เรากำลังดำเนินการกับสิ่งของที่มีมูลค่าแบบสองขั้วจะใช้สูตร Kuder-Richardson (KR –20 และ KR -21) เมื่อไอเทมมีดัชนีความยากต่างกัน จะใช้สูตร KR –20 ในกรณีที่ดัชนีความยากเท่ากัน เราจะใช้ KR –21

ต้องคำนึงว่าในโปรแกรมสถิติหลักมีตัวเลือกให้สมัครอยู่แล้ว การทดสอบนี้โดยอัตโนมัติจึงไม่จำเป็นต้องรู้รายละเอียดทางคณิตศาสตร์ของ แอพ อย่างไรก็ตาม การรู้ตรรกะนั้นมีประโยชน์ในการพิจารณาข้อจำกัดเมื่อตีความผลลัพธ์ที่ได้

การตีความ

ค่าสัมประสิทธิ์อัลฟาของครอนบาคอยู่ในช่วง 0 ถึง 1 ยิ่งใกล้ 1 ยิ่งของเข้าชิดกัน (และในทางกลับกัน). ในทางกลับกัน ต้องคำนึงว่ายิ่งการทดสอบนานเท่าใด อัลฟ่า (α) ก็ยิ่งมากขึ้นเท่านั้น

แน่นอน การทดสอบนี้ไม่ได้ให้บริการโดยตัวของมันเองเพื่อให้ทราบถึงคุณภาพของการวิเคราะห์ทางสถิติที่ดำเนินการหรือข้อมูลที่ใช้ในการทดสอบ

การอ้างอิงบรรณานุกรม:

• บาร์เบโร, มิ.ย. (2010). Psychometrics (ทฤษฎีรูปแบบและปัญหาที่แก้ไข) มาดริด: Sanz และ Torres
• มาร์ติเนซ, แมสซาชูเซตส์ เอร์นานเดซ, เอ็ม.เจ. เอร์นานเดซ, M.V. (2014). ไซโคเมทรี มาดริด: พันธมิตร.
• ซานติสเตบัน, C. (2009). หลักจิตวิทยา. มาดริด: การสังเคราะห์