স্কেল নির্ভরযোগ্যতা ব্যবস্থা (ক্রোনবাচের আলফা ইত্যাদি) এবং উপাদান / ফ্যাক্টর লোডিংয়ের মধ্যে সম্পর্ক কী?


9

ধরা যাক, আমার কাছে প্রশ্নপত্রক আইটেমগুলির একগুচ্ছ স্কোর সহ একটি ডেটাসেট রয়েছে, যা তাত্ত্বিকভাবে মনোবিজ্ঞানের গবেষণার মতো সংখ্যার কম স্কেলের সমন্বিত।

আমি জানি যে এখানে একটি সাধারণ পদ্ধতি ক্রোনবাচের আলফা বা এরকম কিছু ব্যবহার করে আঁশগুলির নির্ভরযোগ্যতা যাচাই করা, তারপরের আইটেমগুলিকে স্কেল স্কোর তৈরি করতে এবং সেখান থেকে বিশ্লেষণ চালিয়ে যাওয়া check

তবে ফ্যাক্টর বিশ্লেষণও রয়েছে, যা আপনার আইটেমের সমস্ত স্কোরকে ইনপুট হিসাবে গ্রহণ করতে পারে এবং সেগুলির মধ্যে কোনটি সুসংগত কারণগুলি গঠন করে তা আপনাকে বলতে পারে। লোডিং এবং সাম্প্রদায়িকতা ইত্যাদি দেখে এই বিষয়গুলি কতটা শক্তিশালী তা আপনি উপলব্ধি করতে পারেন। আমার কাছে এটি একই ধরণের জিনিসটির মতো শোনাচ্ছে, কেবল আরও গভীর।

এমনকি যদি আপনার সমস্ত স্কেল নির্ভরযোগ্যতা ভাল হয় তবে কোনও ইএফএ আপনাকে ঠিক করতে পারে কোন আইটেমের উপর কোন আইশলে আরও ভাল ফিট করা যায়, তাই না? আপনি সম্ভবত ক্রস লোডিংগুলি পেতে চলেছেন এবং এটি সাধারণ স্কেল অঙ্কের চেয়ে ডাইরেক্টেড ফ্যাক্টর স্কোরগুলি ব্যবহার করা আরও বোধগম্য হতে পারে।

যদি আমি এই আঁশগুলিকে কিছু পরবর্তী বিশ্লেষণের জন্য (যেমন রিগ্রেশন বা আনোভা) ব্যবহার করতে চাই, তবে কী এতক্ষণ নির্ভরযোগ্যতা ধরে রাখলে আমি এতদূর পর্যন্ত আঁশগুলিকে একত্রিত করব? বা সিএফএর মতো কিছু (স্কেলগুলি ভাল কারণ হিসাবে ধরে রাখে কিনা তা পরীক্ষা করে দেখার জন্য এটি 'নির্ভরযোগ্যতা' হিসাবে একই জিনিস পরিমাপ করছে বলে মনে হচ্ছে)।

আমি উভয় পদ্ধতির সম্পর্কে স্বাধীনভাবে শিখিয়েছি এবং তাই তারা কীভাবে সম্পর্কযুক্ত তা আমি সত্যিই জানি না, সেগুলি একসাথে ব্যবহার করা যেতে পারে বা কোনটি কোন প্রসঙ্গের জন্য আরও বোঝায়। এক্ষেত্রে ভাল গবেষণা অনুশীলনের জন্য কি সিদ্ধান্তের গাছ রয়েছে? কিছুটা এইরকম:

  • পূর্বাভাস স্কেল আইটেম অনুযায়ী সিএফএ চালান

    • যদি সিএফএ ভাল ফিট করে তবে ফ্যাক্টর স্কোর গণনা করুন এবং সেগুলি বিশ্লেষণের জন্য ব্যবহার করুন।
    • সিএফএ যদি দুর্বল ফিট দেখায় তবে এর পরিবর্তে ইএফএ চালান এবং অনুসন্ধানের পদ্ধতির (বা কিছু) গ্রহণ করুন।

ফ্যাক্টর বিশ্লেষণ এবং নির্ভরযোগ্যতা পরীক্ষা করা কি একই জিনিসটির জন্য প্রকৃতপক্ষে পৃথক পদ্ধতির, বা আমি কোথাও ভুল বোঝাবুঝি করছি?


4
আমি আপনার ২ য় অনুচ্ছেদ থেকে বলতে পারি না, তবে এটি উল্লেখযোগ্য যে ক্রোনব্যাকের আলফা যদি> 1 ফ্যাক্টর থাকে তবে অর্থহীন।
গুং - মনিকা পুনরায়

1
ক্রোনবাচের আলফা স্কেলের আইটেমগুলির মধ্যে গড় পারস্পরিক সম্পর্কের সাথে সরাসরি সম্পর্কিত। এটি আইটেম-আইটেম একজাতীয়তার অন্যতম একটি পদক্ষেপ। হোমোজনিটি নির্ভরযোগ্যতার অন্যতম দিক। ফ্যাক্টর লোডিং হ'ল একটি আইটেম এবং "বাহ্যিক" মানদণ্ড, কনস্ট্রাক্টের মধ্যে পারস্পরিক সম্পর্ক though একটি লোডিং নির্ভরযোগ্যতার সাথে নয়, বৈধতার সাথে সম্পর্কিত।
ttnphns

1
(চালিয়ে যাওয়া) দু'জনকে বিভ্রান্ত করা উচিত নয়। বৈধতা এবং নির্ভরযোগ্যতা আংশিক স্বতন্ত্র, আংশিক প্রতিযোগী ধারণা / সত্তা, তবে একই জিনিস নয়।
ttnphns

stats.stackexchange.com/q/287494/3277 একটি অনুরূপ প্রশ্ন, উত্তর।
ttnphns

উত্তর:


1

এক বছর আগে প্রশ্ন জিজ্ঞাসা করা হলেও আমি এখানে একটি উত্তর যুক্ত করতে যাচ্ছি। পরিমাপের ত্রুটির সাথে উদ্বিগ্ন বেশিরভাগ লোকেরা আপনাকে বলবে যে সিএফএ থেকে ফ্যাক্টর স্কোর ব্যবহার করা এগিয়ে যাওয়ার সর্বোত্তম উপায় নয়। সিএফএ করা ভাল। পরবর্তী বিশ্লেষণগুলিতে সেই ফ্যাক্টর স্কোরগুলির সাথে সম্পর্কিত পরিমাপের ত্রুটির পরিমাণের জন্য আপনি যতক্ষণ পরিমাপের ত্রুটি সংশোধন করছেন ঠিক ততক্ষণ ঠিক আছে (এটি করার জন্য একটি এসইএম প্রোগ্রামই সেরা জায়গা)।

ফ্যাক্টর স্কোরের নির্ভরযোগ্যতা পেতে, আপনাকে প্রথমে আপনার সিএফএ (বা rho) থেকে সুপ্ত নির্মাণের নির্ভরযোগ্যতা গণনা করতে হবে:

rho =  Factor score variance/(Factor score variance + Factor score standard
error^2). 

মনে রাখবেন যে ফ্যাক্টর স্কোরের স্ট্যান্ডার্ড ত্রুটি ^ 2 হ'ল ফ্যাক্টর স্কোরের ত্রুটি বৈকল্পিক। আপনার সিএফএ প্রোগ্রামের অংশ হিসাবে PLOT3 আউটপুটটির অনুরোধ করে এমপ্লাসে এই তথ্য থাকতে পারে।

ফ্যাক্টর স্কোর সামগ্রিক নির্ভরযোগ্যতা গণনা করতে, আপনি নিম্নলিখিত সূত্র ব্যবহার:

(1-rho)*(FS variance+FS error variance).

ফলাফলের মান হ'ল ফ্যাক্টর স্কোরের ত্রুটি বৈকল্পিক। আপনি যদি পরবর্তী বিশ্লেষণের জন্য এমপি্লাস ব্যবহার করে থাকেন তবে আপনি একটি একক আইটেম (ফ্যাক্টর স্কোর) দ্বারা সংজ্ঞায়িত একটি সুপ্ত পরিবর্তনশীল তৈরি করেন এবং তারপরে ফ্যাক্টর স্কোরের নির্ভরযোগ্যতা উল্লেখ করুন:

LatentF BY FScore@1;
FScore@(calculated reliability value of factor score) 

আশা করি এটি সহায়ক! এই ইস্যুটির একটি দুর্দান্ত সংস্থান হ'ল লিংকন-এর নেব্রাস্কা বিশ্ববিদ্যালয়ের লেসা হফম্যানের এসইএম ক্লাসের বক্তৃতা নোটগুলি (বিশেষত বক্তৃতা 11,) are http://www.lesahoffman.com/948/


using factor scores from a CFA is not the best wayআপনি কি ইএফএ বোঝাতে চেয়েছিলেন?
ttnphns
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.