欧米茄与Alpha可靠性

我想知道是否有人可以解释Ω和alpha可靠性之间的主要区别是什么？

我了解欧米茄的可靠性基于下图所示的层次因子模型，而alpha使用平均项目间相关性。

我不了解的是，在什么情况下，欧米茄的可靠性系数会高于阿尔法系数，反之亦然？

我是否可以假设子因子和变量之间的相关性更高，则欧米伽系数也会更高（如上图所示）？

任何建议表示赞赏！

所述（分层）系数给出方差中量表分数占的比重通过一般的因子（1,2），通常是从一个二阶因子分析。但是，如果在这样的比例尺上反映了任何零阶尺寸，则会小于Cronbach的（在任何情况下都只能与一维比例尺一起使用）。仅当测量工具是所谓的tau等效（相等的因子负载，但可能不相等但不相关的误差）时$\omega_h$$\omega_h$$\alpha$$\alpha=\omega_h$。麦当劳早就证明了这一点。无论使用哪种指标，低值都表明计算总和分数（即将每个项目分数的贡献相加在一起以得出综合分数）是没有意义的。

综上所述，相关的测量误差，多维性或不平等的因素负荷使这两个指标可能会发散，在Revelle和同事的过去工作之后，分层是要使用的可靠性指标（有关此内容的更多讨论，请参见（1））。$\omega_h$

参考文献

1. Zinbarg，RE，Revelle，W。和Yovel，I。（2007年）。估计包含两个组因子的结构的：风险和前景。应用心理测量，31（2），135–157。$\omega_h$
2. 麦当劳，RP（1999）。测试原理：统一处理。新泽西州Mahwah：劳伦斯·埃尔鲍姆（Lawrence Erlbaum）。
3. Zinbarg，RE，Yovel，I.，Revelle，W.和McDonald，RP（2006）。估计量表所有指标共有的潜在变量的可：的估计量比较$\omega_h$。应用心理测量，30（2），121–144。

Cronbach的alpha值取决于以下假设：每个指标变量对因子的贡献均等，即所有（非标准化）载荷必须相同（tau等效）。如果违反了这一假设，那么真实可靠性将被低估。

alpha的第二个假设是指标的误差方差必须不相关。换句话说，单个因素必须考虑指标的所有共同方差。如果不是这种情况，alpha将高估可靠性。

欧米茄不需要tau等效或不相关的误差方差。欧米茄有两种版本。第一个用于误差方差不相关时，第二个用于误差方差相关时。如果数据不违反alpha的假设，则Omega和alpha将产生相同的结果。