Я нахожусь в процессе эмпирической разработки вопросника, и я буду использовать произвольные числа в этом примере для иллюстрации. Для контекста я разрабатываю психологическую анкету, нацеленную на оценку моделей мышления, которые обычно выявляются у людей с тревожными расстройствами. Элемент может выглядеть так: «Мне нужно проверять духовку несколько раз, потому что я не уверен, что она выключена ».
У меня есть 20 вопросов (по 5-балльной шкале Лайкерта), которые могут состоять из одного или двух факторов (обратите внимание, что на самом деле у меня есть ближе к 200 вопросам, состоящим из 10 шкал, и каждая шкала может состоять из двух факторов). Я готов стереть около половины пунктов, оставив 10 вопросов по одному из двух факторов.
Я знаком с исследовательским анализом факторов (EFA), внутренней согласованностью (альфа Кронбаха) и характеристическими кривыми элементов в теории откликов элементов (IRT). Я могу видеть, как бы я использовал любой из этих методов, чтобы определить, какие элементы являются «худшими» в любом масштабе. Я ценю, что каждый метод также отвечает на разные вопросы, хотя они могут привести к схожим результатам, и я не уверен, какой «вопрос» является наиболее важным.
Прежде чем мы начнем, давайте удостоверимся, что я знаю, что я делаю с каждым из этих методов в отдельности.
Используя EFA, я бы определил число факторов и удалил элементы, которые загружают меньше всего (скажем, <.30) по их соответствующему коэффициенту или которые существенно пересекаются между факторами.
Используя внутреннюю согласованность, я бы удалил элементы, которые имеют худшую «альфа, если элемент удален». Я мог бы сделать это, предполагая один фактор в моей шкале, или сделать это после первоначального ОДВ, чтобы определить число факторов и затем запустить мою альфу для каждого фактора.
Используя IRT, я бы удалил элементы, которые не оценивают фактор интереса, по их вариантам ответа (5 Лайкерта). Я бы посмотрел характерные кривые предмета. Я бы в основном искал линию под углом 45 градусов, идущую от варианта 1 по шкале Лайкерта вплоть до 5 по скрытому счету. Я мог бы сделать это, предполагая один фактор, или сделать это после начального
EFA, чтобы идентифицировать число факторов, и затем запустить кривые для каждого фактора.
Я не уверен, какой из этих методов использовать, чтобы наилучшим образом определить, какие элементы являются «худшими». Я использую наихудшее в широком смысле слова, так что этот предмет может нанести ущерб как с точки зрения надежности, так и достоверности, оба из которых одинаково важны для меня. Предположительно я могу использовать их в сочетании, но я не уверен, как.
Если бы я хотел продолжить с тем, что я знаю сейчас, и сделать все возможное, я бы сделал следующее:
- Сделайте EFA, чтобы определить количество факторов. Также удаляйте элементы с плохой загрузкой с учетом их соответствующих факторов, поскольку я не хочу, чтобы элементы, которые загружаются плохо, независимо от того, как они поступили бы в других анализах.
- Проведите IRT и удалите плохие предметы, судя по этому анализу, если таковые остались от EFA.
- Просто сообщите Альфу Кронбаха и не используйте этот показатель в качестве средства для удаления элементов.
Любые общие рекомендации будут с благодарностью!
Вот также список конкретных вопросов, на которые вы можете ответить:
В чем практическая разница между удалением элементов на основе факторной загрузки и удалением элементов на основе альфа-версии Chronbach (при условии, что для обоих анализов вы используете одну и ту же схему коэффициентов)?
Что мне делать в первую очередь? Предполагая, что я делаю EFA и IRT с одним фактором, и оба идентифицируют различные пункты, которые должны быть удалены, какой анализ должен иметь приоритет?
Я не сильно настроен на выполнение всех этих анализов, хотя я буду сообщать альфа Chronbach независимо. Я чувствую, что выполнение только IRT оставило бы что-то недостающее, и точно так же только для EFA.