آلفای کرونباخ (α) با استفاده از SPSS
مقدمه
آلفای کرونباخ (Cronbach’s alpha) (α) رایج ترین معیار سازگاری درونی (internal consistency) (“پایایی یا قابلیت اعتماد” (reliability)) است. معمولاً زمانی استفاده می شود که چندین سؤال لیکرت در یک نظرسنجی/پرسشنامه دارید که مقیاسی را تشکیل می دهد و قابل اعتماد بودن یا نبودن مقیاس را تعیین می کنید. اگر نگران پایایی درون ارزیاب (inter-rater reliability) هستید، استفاده از کاپا کوهن (κ) ممکن است برای شما مفید باشد.
مثال
یک محقق یک پرسشنامه 9 سوالی برای سنجش میزان احساس امنیت افراد در محل کار خود در یک مجتمع صنعتی ابداع کرده است. هر سوال یک مورد لیکرت 5 امتیازی از (1) به شدت مخالفم. (2) مخالف؛ (3) نه موافق و نه مخالف. (4) موافق؛ (5) کاملا موافقم، بود. به منظور درک اینکه آیا سؤالات این پرسشنامه همه (بر روی حجم نمونه 15 کارگر) به طور “قابل اعتماد” یک متغیر نهفته (احساس امنیت) را اندازه میگیرند، آلفای کرونباخ اجرا شد.
تنظیمات و روش آزمون در SPSS
در SPSS، 9 سوال از Qu1 تا Qu9 نامگذاری شده اند. آلفای کرونباخ را می توان در SPSS با استفاده از روش Reliability Analysis… انجام داد. در این بخش، ، این روش 7 مرحله ای را تنظیم می کنیم.
مرحله (1)
همانطور که در زیر نشان داده شده است، روی
Analyze > Scale > Reliability Analysis…
در منوی اصلی کلیک کنید:
پنجره ی Reliability Analysis… زیر به شما نمایش داده می شود:
مرحله (2)
با استفاده از دکمه فلش متغیرهای Qu1 تا Qu9 را به کادر Items: انتقال دهید. با صفحه زیر روبرو خواهید شد:
گزینه Model: را به صورت Alpha بگذارید، که به SPSS دستور می دهد تا آلفای کرونباخ را اجرا کند.
توجه: اگر می خواهید نامی برای مقیاس در نظر بگیرید، آن را در کادر Scale label: وارد کنید. ا این فقط نامی است هنگام تولید خوروجی در بالای جدول نمایش داده می شود. مطمئناً این کار ضروری نیست (در مثال ما آن را خالی میگذاریم).
مرحله (3)
روی دکمه Statistics کلیک کنید. همانطور که در زیر نشان داده شده است با پنجره ی Reliability Analysis: Statistics روبرو خواهید شد:
مرحله (4)
مانند تصویر زیر، گزینه های Itemو Scale و Scale if item deleted را در ناحیه –Descriptives for– و گزینه Correlations را در ناحیه –Inter-Item– انتخاب کنید:
.
مرحله (5)
بر روی دکمه Continue کلیک کنید. با این کار به پنجره ی Reliability Analysis باز می گردید.
مرحله (6)
برای تولید خروجی روی دکمه OK کلیک کنید.
اکنون که روش آلفای کرونباخ را اجرا کرده اید، به شما نشان می دهیم که چگونه نتایج خود را در بخش تفسیر نتایج تفسیر کنید.
خروجی SPSS برای آلفای کرونباخ
SPSS جداول مختلفی را تولید می کند. اولین جدول مهم، جدول Reliability Statistics (آمار قابلیت اعتماد) است که مقدار واقعی آلفای کرونباخ را مطابق شکل زیر ارائه می کند:
از مثال بالا، میتوانیم ببینیم که آلفای کرونباخ 0.805 است که نشاندهنده سطح بالایی از سازگاری درونی مقیاس ما با این نمونه خاص است.
همانطور که در زیر نشان داده شده است، جدول بعدی Item-Total Statistics می باشد:
ستون سمت راستی این جدول “Cronbach’s Alpha if Item Deleted” مقدار آلفای کرونباخ را نشان می دهد که اگر آن آیتم خاص از مقیاس حذف شود. میتوانیم ببینیم که حذف هر سؤالی، به جز سؤال 8، آلفای کرونباخ کمتری را به همراه خواهد داشت. بنابراین، ما نمی خواهیم این سوالات را حذف کنیم. حذف سوال 8 منجر به بهبود اندکی در آلفای کرونباخ می شود و همچنین می توانیم ببینیم که مقدار “همبستگی کل آیتم تصحیح شده” (ستون Corrected Item-Total Correlation) برای این آیتم کم تریم مقدار را دارد (0.128). حالا باید به این فکر کنیم که آیا باید این آیتم (سوال مورد نظر) را حذف گردد یا خیر.
آلفای کرونباخ به سادگی یک ضریب پایایی کلی برای مجموعه ای از متغیرها (به عنوان مثال، سوالات) در اختیار شما قرار می دهد. اگر سؤالات شما منعکس کننده ویژگی های فردی زیربنایی (یا ابعاد دیگر) به عنوان مثال، انگیزه کارکنان و تعهد کارکنان باشد،آلفای کرونباخ نمی تواند بین اینها تمایز قائل شود. برای انجام این کار و سپس بررسی قابلیت اعتماد آنها (با استفاده از آلفای کرونباخ)، ابتدا باید آزمایشی مانند آنالیز اجزای اصلی (PCA) را اجرا کنید.
مطالب زیر را هم از دست ندهید
آلفای کرونباخ (Cronbach’s alpha) با استفاده از Minitab
آنالیز اجزای اصلی (PCA) با استفاده از SPSS
یک پاسخ