Vad är Cronbachs alfa, och vad det inte är
Den mest rapporterade statistiken inom psykologisk testning, och den mest missförstådda. Alfa säger inte att en skala är endimensionell, och ett högt värde är ofta ett symptom snarare än en dygd.
Cronbachs alfa är ett mått på intern konsistens: i vilken grad de items som ingår i en skala korrelerar med varandra. Måttet publicerades 1951 och är den mest rapporterade psykometriska statistiken av alla, och dess spridning har gått om dess användbarhet.
Alfa löper från 0 till 1 och drivs av två saker: den genomsnittliga korrelationen mellan items och antalet items. Det andra beroendet är källan till de flesta missförstånden.
Vad ett högt alfa inte betyder
Det betyder inte att skalan mäter en enda sak. Detta är det vanligaste misstaget. Alfa kan vara högt för en skala med två eller tre distinkta faktorer, förutsatt att items korrelerar tillräckligt mycket totalt sett. Endimensionalitet måste fastställas genom faktoranalys; alfa kan inte fastställa det och var aldrig avsett att göra det.
Det betyder inte att skalan är valid. Alfa säger ingenting om vad items faktiskt mäter. Tjugo frågor om skostorlek skulle ha utmärkt intern konsistens och noll validitet som mått på något psykologiskt.
Det betyder inte att skalan är bra. Eftersom alfa ökar med antalet items kommer en lång skala med medelmåttiga items att få högre poäng än en kort skala med utmärkta items. En skala med fyrtio items och en genomsnittlig interitem-korrelation på 0.2 hamnar över 0.90.
Ett mycket högt alfa är ofta en varningssignal. Över ungefär 0.95 är items vanligtvis nära nog omskrivningar av varandra. Det köper konsistens till priset av konstruktäckning: skalan mäter en smal aspekt mycket precist men missar resten av konstruktet. Detta kallas attenueringsparadoxen, och det är därför mer konsistens inte alltid är bättre.
Vad alfa förutsätter
Alfa är en undre gräns för reliabilitet under ett specifikt antagande, tau-ekvivalens, vilket innebär att varje item bidrar lika mycket till det underliggande draget. Verkliga skalor uppfyller nästan aldrig detta. Items skiljer sig i hur starkt de laddar på faktorn, och när så är fallet underskattar alfa reliabiliteten.
McDonalds omega släpper antagandet om lika bidrag och skattar reliabiliteten utifrån de faktiska faktorladdningarna. Metodologer har rekommenderat det framför alfa i två decennier. Rapporteringspraxis har varit långsam att följa efter, till stor del för att alfa är en enda rad i alla statistikpaket, medan omega inte är det.
Att tolka alfa i praktiken
Ungefärliga tumregler: 0.70 och uppåt är acceptabelt för forskning som jämför grupper, 0.80 och uppåt för tillämpad användning, 0.90 och uppåt när poängen påverkar ett beslut om en enskild individ. Se dessa som vägledning, inte gränsvärden; den nivå som krävs beror på vilka konsekvenser det beslut som poängen informerar har.
De mer informativa siffrorna finns oftast någon annanstans i samma artikel. Den genomsnittliga interitem-korrelationen (0.15 till 0.50 är ett sunt intervall) visar om ett högt alfa beror på itemkvalitet eller itemantal. Antalet items visar samma sak från motsatt håll. Test-retest-reliabilitet visar något som alfa strukturellt inte kan: om poängen är stabil hos samma person över tid.
En skala som bara rapporterar alfa har rapporterat den enklaste reliabilitetssiffran att ta fram, och den som är minst krävande att klara.
Sätt det på prov
Att läsa om mätning är en sak. Att se ditt eget poäng rapporterat med källa, normgrupp och begränsningar är en annan. Gratis att göra, ingen registrering krävs.
Fortsätt läsa
- Vad är psykometri?Disciplinen som avgör om en psykologisk mätning är bra, och anledningen till att två test som ställer liknande frågor kan skilja sig enormt åt i vad deras resultat är värda.
- Vad är reliabilitet vid psykologisk testning?Reliabilitet är mätningens konsekvens, inte dess korrekthet. Ett test kan vara mycket reliabelt och ändå mäta fel sak, vilket är varför det är den första frågan som ställs och aldrig den sista.
- Vad är validitet inom psykologisk testning?Validitet är inte en egenskap som ett test har. Det är ett argument för om en viss tolkning av ett visst poäng, för ett visst syfte, är försvarbar, och det måste byggas upp på nytt för varje ny användning.
- Vad är begreppsvaliditet?Den svåraste frågan inom mätning: om det du mäter existerar som du har definierat det, och om ditt instrument når fram till det snarare än till något närliggande.
- Konvergent och diskriminant validitetTvå spegelbildskrav: ett mått måste överensstämma med det det ska överensstämma med, och samtidigt förbli distinkt från det det påstår sig inte vara. De flesta svaga instrument misslyckas med det andra kravet.
- Mätningens standardfel: hur mycket din poäng kan avvikaVarje poäng har en felmarginal, och för de flesta psykologiska test är den bredare än vad folk antar. Det här är talet som talar om när en skillnad är verklig och när den är brus.
- Normer och percentiler: vad din poäng jämförs medEn rå poäng är omöjlig att tolka på egen hand. Den blir meningsfull först i jämförelse med en referensgrupp, och vilken grupp som använts är ett av de mest avgörande och minst annonserade fakta om något test.
- Hur ett psykometriskt test faktiskt byggsFrån konstruktdefinition till publicerade normer tar sekvensen år och gallrar bort det mesta av det som går in i den. Att känna till stegen gör det uppenbart vilka som ett snabbt onlinetest hoppade över.
- Vad innebär det när ett test kallas validerat?Ordet är oreglerat och används fritt av produkter som inte gjort något av arbetet. Här är vad det betyder när det betyder något, och de fyra frågorna som skiljer de två fallen åt.
- Varför de flesta personlighetstest på internet inte är reliablaInte för att de är oärliga, utan för att de steg som gör en mätning pålitlig är osynliga, kostsamma och lätta att hoppa över, och att hoppa över dem förändrar ingenting i hur resultatet ser ut.
- Vad självskattning kan och inte kan mätaFrågeformulär ber dig vara observatör av dig själv, vilket fungerar bättre för vissa saker än andra. Att veta var metoden är stark och var den brister förändrar hur du läser vilket resultat som helst.
- Vad det innebär när ett test förutsäger någotEn korrelation på 0,30 är ett starkt fynd inom personlighetsforskning och en svag grund för ett beslut om en enskild person. Båda påståendena är sanna, och glappet mellan dem orsakar det mesta av missbruket av testresultat.
- Screening är inte diagnosEtt screeningformulär är byggt för att fånga upp så många möjliga fall som möjligt, och accepterar en hög andel falska positiva som priset för det. Att läsa ett screeningresultat som en diagnos vänder upp och ner på vad det var utformat för att göra.