Omega vs. Alpha Zuverlässigkeit

11

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.

Geben Sie hier die Bildbeschreibung ein

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!

user11820
quelle
Ich habe einige Diskussionen über die Verwendung von Cronbachs Alpha im Vergleich zu anderen Zuverlässigkeitsindizes in diesem verwandten Thread geführt: Bewertung der Zuverlässigkeit eines Fragebogens: Dimensionalität, problematische Elemente und ob Alpha, Lambda6 oder ein anderer Index verwendet werden soll? . Die Antwort auf Ihre erste Frage finden Sie in Revelles Artikeln, die in Psychometrika veröffentlicht wurden .
Chl
Hallo, ich habe Revelles Zeitung gelesen, aber ich glaube nicht, dass ich sie vollständig verstanden habe. Das war der Grund, warum ich es hier gepostet habe und gehofft habe, dass jemand in die richtige Richtung zeigen kann. Ich habe sowohl eine Omega-Zuverlässigkeitsanalyse als auch eine Alpha-Zuverlässigkeitsanalyse für einen Datensatz berechnet. Manchmal ist der Omega-Koeffizient höher, manchmal ist das Alpha höher - und ich verstehe nicht wirklich, warum dies der Fall ist.
user11820

Antworten:

11

ωhωhαα=ωh. 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 abweichenωh 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). Schätzenωhfür 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 fürωh. Applied Psychological Measurement , 30 (2) , 121–144.
chl
quelle
7

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.

Pete
quelle
Cronbachs Alpha beinhaltet keine Annahmen wie Eindimensionalität. Seine Definition setzt kein statistisches Modell oder keine statistische Verteilung voraus, sondern lediglich das Vorhandensein von mindestens zwei Punktzahlen, die summiert werden können, um eine Gesamtpunktzahl zu erhalten.
Marjolein Fokkema