J'analyse les scores donnés par les participants à une expérience. Je souhaite estimer la fiabilité de mon questionnaire qui est composé de 6 items visant à estimer l'attitude des participants envers un produit.
J'ai calculé l'alpha de Cronbach en traitant tous les éléments comme une seule échelle (l'alpha était d'environ 0,6) et en supprimant un élément à la fois (l'alpha max était d'environ 0,72). Je sais que l'alpha peut être sous-estimé et surestimé en fonction du nombre d'éléments et de la dimensionnalité de la construction sous-jacente. J'ai donc également effectué un PCA. Cette analyse a révélé qu'il y avait trois composantes principales expliquant environ 80% de la variance. Donc, mes questions portent sur la façon de procéder maintenant?
- Dois-je effectuer un calcul alpha sur chacune de ces dimensions?
- Dois-je supprimer les éléments affectant la fiabilité?
De plus, en cherchant sur le web, j'ai trouvé qu'il y avait une autre mesure de fiabilité: le lambda6 de guttman.
- Quelles sont les principales différences entre cette mesure et l'alpha?
- Qu'est-ce qu'une bonne valeur de lambda?
Réponses:
Je pense que @Jeromy a déjà dit l'essentiel, je vais donc me concentrer sur les mesures de fiabilité.
L'alpha de Cronbach est un indice dépendant de l'échantillon utilisé pour déterminer une limite inférieure de la fiabilité d'un instrument. Il ne s'agit que d'un indicateur de variance partagé par tous les éléments pris en compte dans le calcul d'un score d'échelle. Par conséquent, il ne doit pas être confondu avec une mesure absolue de fiabilité, ni s'appliquer à un instrument multidimensionnel dans son ensemble. En effet, les hypothèses suivantes sont formulées: (a) aucune corrélation résiduelle, (b) les articles ont des chargements identiques, et (c) l'échelle est unidimensionnelle. Cela signifie que le seul cas où alpha sera essentiellement le même que la fiabilitéest le cas de charges factorielles uniformément élevées, sans covariances d'erreur, et instrument unidimensionnel (1). Comme sa précision dépend de l'erreur standard des intercorrélations d'articles, elle dépend de la propagation des corrélations d'articles, ce qui signifie que l'alpha reflétera cette plage de corrélations quelle que soit la ou les sources de cette plage particulière (par exemple, erreur de mesure ou multidimensionnalité). Ce point est largement discuté dans (2). Il convient de noter que lorsque alpha est de 0,70, un seuil de fiabilité largement référencé à des fins de comparaison de groupe (3,4), l'erreur-type de mesure sera supérieure à la moitié (0,55) d'un écart-type. De plus, Cronbach alpha est une mesure de cohérence interne, ce n'est pas une mesure d'unidimensionnalité et ne peut pas être utilisé pour inférer unidimensionnalité (5). Enfin, nous pouvons citer LJ Cronbach lui-même,
Il existe de nombreux autres pièges qui ont été largement discutés dans plusieurs articles au cours des 10 dernières années (par exemple, 7-10).
Les références
la source
Voici quelques commentaires généraux:
Ce qui suit répond à vos questions spécifiques:
Je vais laisser la discussion de lambda 6 ( discutée par William Revelle ici ) à d'autres.
la source