Cronbachs Alpha (alpha) mit SPSS Statistics Einleitung Cronbachs alpha ist das häufigste Maß für die innere Konsistenz (Zuverlässigkeit). Es wird am häufigsten verwendet, wenn Sie mehrere Likert-Fragen in einem Surveyquestionnaire haben, die eine Skala bilden und Sie möchten bestimmen, ob die Skala zuverlässig ist. Wenn Sie mit inter-rater Zuverlässigkeit beschäftigt sind, haben wir auch einen Leitfaden über die Verwendung von Cohens (kappa) kappa, die Sie nützlich finden könnten. SPSS Statistics Ein Forscher hat einen neun Fragebogen entworfen, um zu ermitteln, wie sichere Menschen bei einem Industriekomplex arbeiten. Jede Frage war ein 5-Punkt-Likert-Item aus starkem Widerspruch strikt einverstanden. Um zu verstehen, ob die Fragen in diesem Fragebogen zuverlässig die gleiche latente Variable (Sicherheitsgefühl) messen (so dass eine Likert-Skala aufgebaut werden konnte) wurde ein Cronbachs alpha auf einer Stichprobengröße von 15 Arbeitern durchgeführt. SPSS Statistics Setup in SPSS Statistics In SPSS Statistics wurden die neun Fragen mit Qu1 bis Qu9 gekennzeichnet. Informationen darüber, wie Sie Ihre Daten korrekt in SPSS Statistics eintragen können, um einen Cronbachs Alpha-Test durchzuführen, finden Sie in unserem Tutorial SPSS Statistics. Alternativ können Sie hier über unsere erweiterten Daten-Setup-Inhalte erfahren. Schließen Sie sich den 10.000 Studenten, Akademikern und Profis an, die sich auf Laerd Statistics verlassen. TAKE THE TOUR PLANS amp PRICING SPSS Statistik Testverfahren in SPSS Statistics In den folgenden 8 Schritten wird die interne Konsistenz mit Cronbachs alpha in SPSS Statistics überprüft. Am Ende dieser acht Schritte zeigen wir Ihnen, wie Sie die Ergebnisse aus Ihrem Cronbachs alpha interpretieren können. Klicken Sie auf A nalyze gt Sc a le gt R eliabilitätsanalyse. Im oberen Menü, wie unten gezeigt: Veröffentlicht mit schriftlicher Genehmigung von SPSS Statistics, IBM Corporation. Sie erhalten das Dialogfeld "Zuverlässigkeitsanalyse" wie unten dargestellt: Veröffentlicht mit schriftlicher Genehmigung von SPSS Statistics, IBM Corporation. Übertragen Sie die Variablen Qu1 bis Qu9 in das Feld I tems:. Sie können dies durch Ziehen und Ablegen der Variablen in die entsprechenden Felder oder über die Schaltfläche. Sie erhalten folgenden Bildschirm: Veröffentlichung mit schriftlicher Genehmigung von SPSS Statistics, IBM Corporation. Verlassen Sie das M odel: gesetzt als Alpha, das Cronbachs alpha in SPSS Statistics darstellt. Wenn Sie einen Namen für die Waage angeben möchten, geben Sie ihn in das Feld Scale label ein. Da dies nur den Namen ausgibt, den Sie an der Spitze der Ausgabe von SPSS Statistics eingeben, ist es sicher nicht unbedingt notwendig, dass Sie das tun (in unserem Beispiel lassen wir es leer). Klicken Sie auf die Schaltfläche, die das Dialogfeld "Zuverlässigkeitsanalyse: Statistik" wie unten gezeigt öffnen wird: Veröffentlicht mit schriftlicher Genehmigung von SPSS Statistics, IBM Corporation. Wählen Sie das I tem aus. S cale und Sc a le, wenn die Optionen im ndashDescriptives forndash-Bereich gelöscht wurden, und die Option Corre l ations im ndashInter-Itemndash-Bereich, wie unten gezeigt: Veröffentlicht mit schriftlicher Genehmigung von SPSS Statistics, IBM Corporation. Drück den Knopf. Dadurch kehren Sie zum Dialogfeld Zuverlässigkeitsanalyse zurück. Klicken Sie auf die Schaltfläche, um die Ausgabe zu generieren. SPSS Statistics Output für Cronbachs Alpha SPSS Statistics erzeugt viele verschiedene Tabellen. Die erste wichtige Tabelle ist die Reliability Statistics-Tabelle, die den tatsächlichen Wert für Cronbachs alpha liefert. Wie unten gezeigt: Veröffentlichung mit schriftlicher Genehmigung von SPSS Statistics, IBM Corporation. Aus unserem Beispiel können wir sehen, dass Cronbachs alpha 0.805 ist. Was auf eine hohe interne Konsistenz für unsere Skala mit dieser spezifischen Probe hinweist. SPSS Statistics Item-Total Statistics Die Tabelle Item-Total Statistics präsentiert das Cronbachs Alpha, wenn das Element in der letzten Spalte gelöscht wird, wie unten gezeigt: Veröffentlichung mit schriftlicher Genehmigung von SPSS Statistics, IBM Corporation. Diese Spalte enthält den Wert, den Cronbachs alpha haben würde, wenn das betreffende Element aus der Skala gelöscht würde. Wir können sehen, dass die Entfernung einer Frage, außer Frage 8, zu einem niedrigeren Cronbachs alpha führen würde. Daher möchten wir diese Fragen nicht entfernen. Die Beseitigung von Frage 8 würde zu einer kleinen Verbesserung in Cronbachs alpha führen, und wir können auch sehen, dass der Korrekturwert für die Korrektur der Gesamtkosten (0,128) für diesen Posten niedrig war. Dies könnte uns zu prüfen, ob wir diesen Punkt zu entfernen. Cronbachs alpha bietet Ihnen einen allgemeinen Zuverlässigkeitskoeffizienten für einen Satz von Variablen (z. B. Fragen). Wenn Ihre Fragen unterschiedliche zugrunde liegende persönliche Qualitäten (oder andere Dimensionen) widerspiegeln, z. B. Motivation der Mitarbeiter und Engagement der Mitarbeiter, wird Cronbachs alpha nicht in der Lage sein, zwischen diesen zu unterscheiden. Um dies zu tun und dann ihre Zuverlässigkeit (mit Cronbachs alpha) zu überprüfen, müssen Sie zunächst einen Test wie eine Hauptkomponentenanalyse (PCA) durchführen. Sie können lernen, wie Sie die Hauptkomponentenanalyse (PCA) mit SPSS Statistics durchführen und Ihre Ergebnisse in unserem erweiterten Inhalt interpretieren und aufschreiben. Sie können hier mehr erfahren. Es ist auch möglich, Cronbachs alpha in Minitab laufen. Schließen Sie sich den 10.000 Studenten, Akademikern und Profis an, die sich auf Laerd Statistics verlassen. TAKE THE TOUR PLANS amp PRICINGWillkommen beim Institut für Digitale Forschung und Bildung SPSS FAQ Was bedeutet Cronbachs alpha bedeutet Cronbachs alpha ist ein Maß für die interne Konsistenz, das heißt, wie eng ein Satz von Elementen als Gruppe verwandt ist. Sie wird als Maßstab der Maßstabssicherheit betrachtet. Ein Quothighquot-Wert für alpha bedeutet nicht, dass das Maß eindimensional ist. Wenn Sie zusätzlich zur internen Konsistenzmessung belegen wollen, dass die betreffende Waage eindimensional ist, können zusätzliche Analysen durchgeführt werden. Explorative Faktorenanalyse ist eine Methode zur Überprüfung der Dimensionalität. Technisch gesehen ist Cronbachs alpha kein statistischer Test - es ist ein Koeffizient der Zuverlässigkeit (oder Konsistenz). Cronbachs alpha kann als Funktion der Anzahl der Testpunkte und der durchschnittlichen Korrelation zwischen den Items geschrieben werden. Im folgenden wird die Formel für das standardisierte Cronbachs alpha gezeigt: Hier ist N gleich der Anzahl der Items, c-bar die mittlere Inter-Item-Kovarianz zwischen den Items und v-bar gleich der durchschnittlichen Varianz. Man kann aus dieser Formel zu sehen, dass, wenn Sie die Anzahl der Elemente zu erhöhen, erhöhen Sie Cronbachs alpha. Zusätzlich, wenn die mittlere Inter-Item-Korrelation niedrig ist, wird alpha niedrig sein. Wenn die mittlere Inter-Item-Korrelation zunimmt, nimmt auch Cronbachs alpha zu (wobei die Anzahl der Items konstant gehalten wird). Ein Beispiel Mit Hilfe eines Beispiels, wie man Cronbachs alpha mit SPSS berechnen kann, und wie man die Dimensionalität der Skala anhand der Faktorenanalyse überprüft. Für dieses Beispiel verwenden wir einen Datensatz, der vier Testobjekte - q1 enthält. Q2. Q3 und q4. Sie können den Datensatz downloaden, indem Sie auf alpha. sav klicken. Zur Berechnung von Cronbachs alpha für alle vier Elemente - q1, q2, q3, q4 - verwenden Sie den Befehl reliability: Hier ist die resultierende Ausgabe der obigen Syntax: Der Alphakoeffizient für die vier Elemente ist .839, was darauf hindeutet, dass die Items relativ hoch sind Interne Konsistenz. (Beachten Sie, dass ein Zuverlässigkeitskoeffizient von 0,70 oder höher in den meisten sozialwissenschaftlichen Forschungssituationen als akzeptabel angesehen wird.) Zusätzlich zur Berechnung des Alpha-Koeffizienten der Zuverlässigkeit möchten wir vielleicht auch die Dimensionalität der Skala untersuchen. Wir können den Faktorbefehl dazu verwenden: Hier ist die resultierende Ausgabe aus der obigen Syntax: Betrachtet man die Tabelle mit der Bezeichnung Total Variance Explained, so sehen wir, dass der Eigenwert für den ersten Faktor etwas größer ist als der Eigenwert für den Nächsten Faktor (2,7 versus 0,54). Zusätzlich macht der erste Faktor 67 der Gesamtabweichung aus. Dies deutet darauf hin, dass die Skalenelemente eindimensional sind. Weitere Informationen Weitere Informationen zum Lesen von Daten in SPSS finden Sie in der SPSS-Befehlssyntaxreferenz. Weitere Informationen zu Cronbachs Alpha finden Sie unter SPSS-Bibliothek: Mein Koeffizient Alpha ist negativ Weitere Informationen zu intraclass-Koeffizienten als Maß für die Zuverlässigkeit finden Sie unter SPSS-Bibliothek: Auswählen eines Intraclass-Korrelationskoeffizienten. Der Inhalt dieser Website sollte nicht als eine Bestätigung für eine bestimmte Website, ein Buch oder ein Softwareprodukt der Universität von Kalifornien verstanden werden.
No comments:
Post a Comment