noesisnoesis
मोजमाप कसे कार्य करते

Cronbach's alpha म्हणजे काय, आणि ते काय नाही

मानसशास्त्रीय चाचणीतील सर्वाधिक वेळा नोंदवली जाणारी आकडेवारी, आणि सर्वाधिक चुकीचा अर्थ लावला जाणारी. आल्फा हे सांगत नाही की श्रेणी एकपरिमाणी आहे, आणि उच्च मूल्य हे अनेकदा गुण नसून लक्षण असते.

Cronbach चा अल्फा हा अंतर्गत सुसंगततेचा गुणांक आहे: म्हणजे एखाद्या श्रेणीतील प्रश्न एकमेकांशी किती प्रमाणात सहसंबंधित आहेत, याचे मोजमाप. 1951 मध्ये प्रकाशित झालेले हे सूत्र सर्वाधिक वेळा नोंदवले जाणारे मानसमितीय सांख्यिकीय मापन आहे, आणि त्याचा सर्वत्र होणारा वापर त्याच्या उपयुक्ततेपेक्षा पुढे गेला आहे.

अल्फा 0 ते 1 या मर्यादेत असतो आणि तो दोन गोष्टींवर अवलंबून असतो: प्रश्नांमधील सरासरी सहसंबंध आणि प्रश्नांची संख्या. या दुसऱ्या अवलंबित्वामुळेच बहुतेक गैरसमज निर्माण होतात.

उच्च अल्फा म्हणजे काय नव्हे

याचा अर्थ श्रेणी एकच गोष्ट मोजते असा नाही. ही सर्वात सामान्य चूक आहे. दोन किंवा तीन वेगवेगळे घटक असलेल्या श्रेणीसाठीही अल्फा उच्च असू शकतो, जर एकूण प्रश्नांचा परस्परसंबंध पुरेसा असेल. एकपरिमाणता घटक विश्लेषणाने सिद्ध करावी लागते; अल्फा ती सिद्ध करू शकत नाही आणि त्यासाठी तो कधी बनवलाही गेला नव्हता.

याचा अर्थ श्रेणी वैध आहे असा नाही. प्रश्न नेमके काय मोजतात याबद्दल अल्फा काहीही सांगत नाही. बुटाच्या मापाविषयीचे वीस प्रश्न उत्कृष्ट अंतर्गत सुसंगतता दाखवतील, पण कोणत्याही मानसशास्त्रीय गोष्टीचे मापन म्हणून त्यांची वैधता शून्य असेल.

याचा अर्थ श्रेणी चांगली आहे असा नाही. प्रश्नांची संख्या वाढली की अल्फा वाढतो, त्यामुळे सामान्य दर्जाच्या प्रश्नांची लांब श्रेणी उत्कृष्ट प्रश्नांच्या छोट्या श्रेणीपेक्षा जास्त गुण मिळवेल. चाळीस प्रश्नांची श्रेणी, ज्यात प्रश्नांमधील सरासरी सहसंबंध 0.2 आहे, तिचा अल्फा 0.90 च्या वर जातो.

खूप उच्च अल्फा हा अनेकदा इशारा असतो. साधारण 0.95 च्या वर गेल्यास प्रश्न सहसा एकमेकांचे जवळजवळ पर्यायी शब्दरूप असतात. यामुळे सुसंगतता मिळते, पण संकल्पनेच्या व्याप्तीच्या बदल्यात: श्रेणी एक अरुंद पैलू अतिशय अचूकपणे मोजते आणि संकल्पनेचा उर्वरित भाग सुटतो. याला क्षीणन विरोधाभास (attenuation paradox) म्हणतात, आणि म्हणूनच अधिकाधिक सुसंगतता नेहमीच चांगली असते असे नाही.

त्यामागील गृहीतक

अल्फा हा विश्वसनीयतेची एक किमान मर्यादा आहे, आणि ती एका विशिष्ट गृहीतकाखाली लागू होते: टाऊ-समतुल्यता, म्हणजे प्रत्येक प्रश्न अंतर्निहित गुणवैशिष्ट्यात सारखाच वाटा उचलतो. प्रत्यक्षातील श्रेणी हे गृहीतक जवळजवळ कधीच पूर्ण करत नाहीत. प्रश्न घटकावर किती ठळकपणे भार टाकतात यात फरक असतो, आणि तसा फरक असल्यास अल्फा विश्वसनीयता कमी लेखतो.

McDonald चा ओमेगा समान वाट्याचे गृहीतक सोडून देतो आणि प्रत्यक्ष घटक भारांवरून विश्वसनीयतेचा अंदाज काढतो. पद्धतिशास्त्रज्ञांनी गेली दोन दशके अल्फाऐवजी त्याची शिफारस केली आहे. अहवाल देण्याच्या पद्धतीत मात्र बदल हळूहळू होत आहे, याचे मुख्य कारण म्हणजे प्रत्येक सांख्यिकी सॉफ्टवेअरमध्ये अल्फा एका ओळीत मिळतो, तर ओमेगा तसा मिळत नाही.

प्रत्यक्षात तो कसा वाचावा

ढोबळ संकेत: गटांची तुलना करणाऱ्या संशोधनासाठी 0.70 आणि त्यापेक्षा जास्त स्वीकारार्ह, उपयोजित वापरासाठी 0.80 आणि त्यापेक्षा जास्त, आणि ज्या ठिकाणी गुणावर एखाद्या व्यक्तीचा निर्णय अवलंबून असतो तिथे 0.90 आणि त्यापेक्षा जास्त. हे मार्गदर्शन म्हणून घ्या, कठोर मर्यादा म्हणून नाही; आवश्यक पातळी गुणावरून घेतल्या जाणाऱ्या निर्णयाच्या जोखमीवर अवलंबून असते.

अधिक माहितीपूर्ण आकडे सहसा त्याच शोधनिबंधात इतरत्र असतात. प्रश्नांमधील सरासरी सहसंबंध (0.15 ते 0.50 ही निरोगी मर्यादा आहे) सांगतो की उच्च अल्फा प्रश्नांच्या दर्जामुळे आला की प्रश्नांच्या संख्येमुळे. प्रश्नांची संख्या तीच गोष्ट दुसऱ्या बाजूने सांगते. पुनर्चाचणी विश्वसनीयता अशी गोष्ट सांगते जी अल्फा रचनात्मकदृष्ट्या सांगू शकत नाही: म्हणजे एकाच व्यक्तीमध्ये काळानुसार गुण स्थिर राहतो का.

जी श्रेणी फक्त अल्फा नोंदवते, तिने विश्वसनीयतेचे सर्वात सहज मिळणारे आणि पार करण्यास सर्वात कमी कठीण असे मापन नोंदवले आहे.

स्वतः तपासून पाहा

मापनाबद्दल वाचणे एक गोष्ट आहे. तुमचा स्वतःचा गुण त्याचा स्रोत, मानक नमुना आणि मर्यादांसह पाहणे ही वेगळी गोष्ट आहे. चाचणी विनामूल्य, नोंदणी आवश्यक नाही.

वाचत राहा

Cronbach's alpha म्हणजे काय, आणि ते काय नाही | NOESIS