Fiabilité Omega vs Alpha

Je me demande si quelqu'un peut expliquer quelle est la principale différence entre les fiabilités oméga et alpha?

Je comprends qu'une fiabilité oméga est basée sur un modèle de facteur hiérarchique comme indiqué dans l'image suivante, et alpha utilise des corrélations inter-éléments moyennes.

Ce que je ne comprends pas, c'est dans quelle condition le coefficient de fiabilité oméga serait supérieur au coefficient alpha et vice versa?

Puis-je supposer que si les corrélations entre les sous-facteurs et les variables sont plus élevées, le coefficient oméga serait également plus élevé (comme indiqué dans l'image ci-dessus)?

Tout conseil est apprécié!

Le (hiérarchique) donne la proportion de variance dans les scores d'échelle expliquée par un facteur général (1,2), généralement à partir d'une analyse factorielle de second ordre. Cependant, si des dimensions d'ordre zéro sont reflétées dans de telles échelles, sera inférieur à de Cronbach (qui ne devrait être utilisé qu'avec des échelles unidimensionnelles dans tous les cas). Ce n'est que lorsque l'instrument de mesure est dit équivalent tau (chargements à facteur égal mais peut-être des erreurs inégales mais non corrélées) queω h α α = ω $\omega_h$$\omega_h$$\alpha$$\alpha=\omega_h$. Cela a été démontré très tôt par McDonald. Quel que soit l'indicateur utilisé, des valeurs faibles indiquent qu'il est insensé de calculer un score de somme (c'est-à-dire d'ajouter la contribution de chaque score d'item pour obtenir un score composite).

En résumé, les erreurs de mesure corrélées, la multidimensionnalité ou les chargements factoriels inégaux rendent les deux indicateurs susceptibles de diverger, la hiérarchie étant la mesure de fiabilité à utiliser, à la suite des travaux antérieurs de Revelle et de ses collègues (voir (1) pour plus de détails à ce sujet).$\omega_h$

Les références

1. Zinbarg, RE, Revelle, W. et Yovel, I. (2007). Estimer pour les structures contenant deux facteurs de groupe: périls et perspectives. Mesure psychologique appliquée , 31 (2) , 135-157.$\omega_h$
2. McDonald, RP (1999). Théorie des tests: un traitement unifié . Mahwah, NJ: Lawrence Erlbaum.
3. Zinbarg, RE, Yovel, I., Revelle, W., et McDonald, RP (2006). Estimation de la généralisabilité à une variable latente commune à tous les indicateurs d'une échelle: comparaison des estimateurs pour$\omega_h$ . Mesure psychologique appliquée , 30 (2) , 121–144.

L'alpha de Cronbach dépend de l'hypothèse que chaque variable indicatrice contribue de manière égale au facteur, c'est-à-dire que tous les chargements (non normalisés) doivent être les mêmes (équivalence en tau). Si cette hypothèse est violée, la véritable fiabilité sera sous-estimée.

La deuxième hypothèse pour alpha est que les variances d'erreur des indicateurs doivent être non corrélées. En d'autres termes, un seul facteur doit prendre en compte toute la variance commune des indicateurs. Si ce n'est pas le cas, alpha surestimera la fiabilité.

Omega ne nécessite pas d'équivalence tau ni de variances d'erreur non corrélées. Il existe deux versions d'oméga. La première est utilisée lorsque les variances d'erreur ne sont pas corrélées, la seconde si elles sont corrélées. Omega et alpha donneront le même résultat si les hypothèses d'alpha ne sont pas violées par les données.