评估问卷的可靠性：维度，有问题的项目以及是否使用alpha，lambda6或其他某种指数？

我正在分析参加实验的参与者给出的分数。我想估计问卷的可靠性，该问卷由6个项目组成，旨在估计参与者对产品的态度。

我计算了克朗巴赫（Cronbach）的alpha值，将所有项目视为一个比例（alpha约为0.6），并一次删除了一项（最大alpha约为0.72）。我知道，根据项目的数量和底层构造的维数，alpha可能会被低估和高估。因此，我还执行了PCA。该分析表明，有三个主要成分解释了大约80％的方差。所以，我所有的问题都是关于我现在该如何进行？

• 我是否需要在每个维度上执行alpha计算？
• 我是否已移除影响可靠性的物品？

此外，在网上搜索时，我发现还有另一种可靠性度量：guttman的lambda6。

• 此度量与alpha的主要区别是什么？
• lambda的高价值是什么？

我认为@Jeromy已经说过基本要点，因此我将专注于可靠性的度量。

克朗巴赫（Cronbach）α是一种取决于样本的指数，用于确定仪器可靠性的下限。它仅是在计算量表分数时考虑的所有项目共享的方差指标。因此，不应将其与绝对的可靠性度量相混淆，也不应将其整体上应用于多维仪器。实际上，做出以下假设：（a）没有剩余相关性，（b）项具有相同的负载，并且（c）比例是一维的。这意味着alpha基本上与可靠性是均匀高因子加载，无误差协方差和一维仪器的情况（1）。由于其精度取决于项目相关性的标准误差，因此取决于项目相关性的分布，这意味着alpha会反映此相关性范围，而不管此特定范围的一个或多个来源（例如，测量误差或多维性）。这一点在（2）中有很大的讨论。值得注意的是，当alpha为0.70（用于组比较目的的广泛使用的可靠性阈值（3,4））时，测量的标准误差将超过标准偏差的一半（0.55）。此外，Cronbach alpha是内部一致性的度量，它不是一维的度量，不能用来推断一维（5）。最后，我们可以引用LJ Cronbach本人的话，

系数是一种粗略的工具，不会将方差分量所隐含的许多细微之处浮出水面。特别是，当前评估中所做的解释最好通过使用标准测量误差进行评估。-Cronbach和Shavelson，（6）

在过去的十年中，有许多其他陷阱在许多论文中进行了广泛讨论（例如7-10）。

$\lambda_3$$\lambda_6$$\omega_t$$\omega_h$$\beta$

参考文献

1. Raykov，T。（1997）。秤的可靠性，克朗巴赫系数α和固定的同类零件的基本tau等效性违规。多元行为研究，32，329-354。
2. 科尔蒂纳，JM（1993）。什么是系数阿尔法？理论与应用的检验。应用心理学杂志，78（1），98-104。
3. 纽纳利（JC）和伯恩斯坦（IH）（1994）。心理测量学。麦格劳-希尔心理学系列，第三版。
4. De Vaus，D.（2002年）。分析社会科学数据。伦敦：Sage出版物。
5. 丹尼斯（Jes）和曼（Mann），好的。（1984）。具有潜在变量的一维测量和结构方程模型。商业研究杂志，12，337-352。
6. Cronbach，LJ和Shavelson，RJ（2004）。我目前关于系数α和后续过程的思想。教育与心理测量，64（3），391-418。
7. Schmitt，N。（1996）。系数α的使用和滥用。心理评估，8（4），350-353。
8. Iacobucci，D。和Duhachek，A。（2003）。推进Alpha：信心十足地衡量可靠性。消费者心理学杂志，13（4），478-487。
9. Shevlin，M.，Miles，JNV，Davies，MNO和Walker，S.（2000年）。系数alpha：可靠性的有用指标？ 人格与个体差异，第28卷，第229-237页。
10. Fong，DYT，Ho，SY，and Lam，TH（2010）。存在不一致反应时的内部可靠性评估。健康和生活质量成果，8，27。
11. 古特曼，L。（1945）。分析重测可靠性的基础。心理疗法，10（4），255-282。
12. $\alpha$$\beta$$\omega_h$
13. Revelle，W。和Zinbarg，RE（2009）系数alpha，beta，omega和glb：对Sijtsma的评论。心理疗法，74（1），145-154

以下是一些一般性评论：

• PCA：PCA分析不会“揭示出三个主要组成部分”。您选择提取三个维度，或者依靠一些默认的经验法则（通常特征值超过1）来确定要提取多少个维度。另外，一个以上的特征值通常会提取出比有用的更多的维。
• 评估物品的尺寸：我同意您可以使用PCA评估物品的尺寸。但是，我发现查看碎石图可以为维数提供更好的指导。您可能想查看William Revelle撰写的此页面，有关评估尺度尺寸。
• 如何进行？
  • 如果比例尺很好，则您可能希望保持原样（假设其属性至少合理；尽管在大多数情况下，0.6相对较差）。
  • 如果比例表没​​有很好地确定，则理论上应该考虑要测量的项目以及要使用最终比例表的目的。由于只有六个项目，因此没有太多空间可以创建多个秤，而不必担心每个秤的项目数量。同时，根据地板，天花板或低可靠性问题检查是否有问题的项目是一个明智的主意。另外，您可能要检查是否需要撤消任何项目。
  • 我整理了一些有关规模开发的一般资源的链接，这些链接可能会对您有所帮助

以下内容解决了您的特定问题：

• 我是否需要在每个维度上执行alpha计算？
  • 从以上讨论中您可能会发现，我认为您不应将数据视为具有三个维度。您可以根据自己的目的和详细信息进行一系列参数选择，因此很难确切地说出要做什么。在大多数情况下，我希望创建至少一个良好的比例（也许删除一个项目），而不是三个不可靠的比例。
• 我是否已移除影响可靠性的物品？
  • 由你决定。如果比例已建立，则可以选择不选择。如果样本量较小，则可能是随机抽样的异常。但是，一般来说，如果某个项目确实将您的alpha值从0.72降至0.60，则我倾向于删除该项目。我还要检查这个有问题的项目实际上不是要撤消的。

我将把关于lambda 6的讨论（此处由William Revelle讨论）留给其他人。