Omega vs. Alpha Zuverlässigkeit

Ich frage mich, ob jemand erklären kann, was der Hauptunterschied zwischen Omega und Alpha Zuverlässigkeit ist.

Ich verstehe, dass eine Omega-Zuverlässigkeit auf einem hierarchischen Faktormodell basiert, wie im folgenden Bild gezeigt, und Alpha verwendet durchschnittliche Korrelationen zwischen Elementen.

Was ich nicht verstehe ist, unter welchen Bedingungen wäre der Omega-Zuverlässigkeitskoeffizient höher als der Alpha-Koeffizient und umgekehrt?

Kann ich annehmen, dass der Omega-Koeffizient auch höher ist, wenn die Korrelationen zwischen den Subfaktoren und den Variablen höher sind (wie im obigen Bild gezeigt)?

Jeder Rat wird geschätzt!

$\omega_h$$\omega_h$$\alpha$$\alpha=\omega_h$. Dies wurde früh von McDonald demonstriert. Unabhängig vom verwendeten Indikator zeigen niedrige Werte an, dass es keinen Sinn macht, eine Summenbewertung zu berechnen (dh den Beitrag jeder Elementbewertung zusammen zu addieren, um eine zusammengesetzte Bewertung abzuleiten).

Zusammenfassend lässt sich sagen, dass korrelierte Messfehler, Mehrdimensionalität oder ungleiche Faktorladungen dazu führen, dass beide Indikatoren mit hierarchischem wahrscheinlich voneinander abweichen$\omega_h$ Dies ist das zu verwendende Zuverlässigkeitsmaß, das den früheren Arbeiten von Revelle und Mitarbeitern folgt (siehe (1) für weitere Diskussionen darüber).

Verweise

1. Zinbarg, RE, Revelle, W. und Yovel, I. (2007). Schätzen$\omega_h$für Strukturen mit zwei Gruppenfaktoren: Gefahren und Perspektiven. Applied Psychological Measurement , 31 (2) , 135–157.
2. McDonald, RP (1999). Testtheorie: Eine einheitliche Behandlung . Mahwah, NJ: Lawrence Erlbaum.
3. Zinbarg, RE, Yovel, I., Revelle, W. und McDonald, RP (2006). Schätzung der Generalisierbarkeit für eine latente Variable, die allen Indikatoren einer Skala gemeinsam ist: Ein Vergleich der Schätzer für$\omega_h$. Applied Psychological Measurement , 30 (2) , 121–144.

Cronbachs Alpha hängt von der Annahme ab, dass jede Indikatorvariable gleichermaßen zum Faktor beiträgt, dh alle (nicht standardisierten) Belastungen müssen gleich sein (Tau-Äquivalenz). Wenn diese Annahme verletzt wird, wird die wahre Zuverlässigkeit unterschätzt.

Die zweite Annahme für Alpha ist, dass die Fehlervarianzen der Indikatoren nicht korreliert sein müssen. Mit anderen Worten, ein einziger Faktor muss die gesamte gemeinsame Varianz der Indikatoren berücksichtigen. Ist dies nicht der Fall, überschätzt Alpha die Zuverlässigkeit.

Omega erfordert keine Tau-Äquivalenz oder unkorrelierte Fehlervarianzen. Es gibt zwei Versionen von Omega. Die erste wird verwendet, wenn Fehlervarianzen nicht korreliert sind, die zweite, wenn sie korreliert sind. Omega und Alpha liefern das gleiche Ergebnis, wenn die Daten die Annahmen von Alpha nicht verletzen.