Оценка качества факторной модели
Тест Кайзера-Мейера-Олкина (КМО) – прогнозирует, насколько хорошо факторизуются данные, чем выше, тем лучше.
Тест Бартлетта – проверяет возможность построения факторной модели, т. е. проверяет, правда ли все признаки коррелируют между собой.
Два самых важных критерия, при их отрицательном результате факторная модель невалидна.
Доля объяснённой дисперсии – сколько дисперсии всех переменных отображают все факторы. Чем больше, тем лучше.
Общности – исходные общности всех переменных равны единице. Необходимо смотреть на извлечённые общности, которые равняются разности общности и характерности переменной. Чем лучше модель объясняет переменные, тем выше модельная общность.
Интерпретируемость модели – насколько вообще факторы адекватны знаниям исследователя о мире.
Надежность шкалы по внутренней согласованности ее индикаторов. Альфа Кронбаха: применение для повышения надежности шкалы.
Согласованность – это соответствие результатов внутри одного теста. Измерять её можно следующими способами:
1) Расщепление шкалы пополам случайным образом. В случае высокой согласованности обе половины будут коррелировать на крайне высоком уровне. Для номинативной шкалы применяется четырёхклеточная корреляция Гилфорда, для порядковой – ранговая корреляция Спирмена, для интервальной – линейная корреляция Пирсона;
2) Альфа Кронбаха.
|
|
|
Альфа Кронбаха – наиболее распространённая форма коэффициента надёжности и внутренней согласованности. Альфа равен 0, когда истинная оценка не измеряется заданиями, а 1, когда все задания измеряют только истинную оценку без ошибок.
Альфа Кронбаха можно интерпретировать как процент дисперсии, который наблюдаемая шкала объясняла бы в гипотетической истинной шкале, объединяющей все возможные пункты в данной области. Или же его можно интерпретировать как корреляцию наблюдаемой шкалы со всеми возможными другими шкалами, измеряющими такой же конструкт и использующими такое же количество пунктов.
По договоренности исследователей мягкая отсечка 0.60 принимается для эксплораторных исследований; альфа должен быть, по крайней мере 0.70 или выше в «удовлетворительной» шкале; и большинство исследователей требуют отсечки 0.80 для «хорошей» шкалы
Следует отметить, что альфа Кронбаха повышается с увеличением числа пунктов в шкале даже при контроле такого же уровня усредненной интеркорреляции пунктов. Это предполагает, конечно, что добавляемые пункты не являются плохими пунктами по сравнению с существующим набором. Увеличение количества пунктов может быть способом подвинуть альфа до приемлемого уровня. Это отражает допущение, что шкалы и инструменты с большим числом пунктов являются более надежными. Это также означает, что сравнение уровней альфа между шкалами с различающимся количеством пунктов не является справедливым.
|
|
|
Хорошим показателем надёжности является также расчёт альфа при удалении каждого имеющегося пункта. Таким образом возможно удалить пункты, вносящие искажения в результаты, однако, следует делать это с осторожностью.
То есть мы просто считаем все, как будто это ЭФА, а потом сравниваем с моделью, которая существует где-то в нашей голове? Например, я просто ожидала, что экстраверсия, соц. интеллект и частота посещения тусовок образуют фактор - и вот он мне?
Дата добавления: 2021-06-02; просмотров: 152; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!